基于Haar-like和LBP的多特征融合目标检测算法

摘要：

针对目标检测时Haar-like特征值过多、计算时间长、无法描述目标纹理特征且识别率一般的问题,提出一种基于滑窗原点信息的阈值自调节IHL(Improved Haar-like LBP)特征提取算法.该算法首先构造了 IHL特征编码方法,将Haar-like特征和局部二值LBP特征融合;然后在计算Haar-like型局部二值化特征时,使用高斯矩阵获得符合像素分布规律的自调节阈值;同时在求特征值时引入中心点像素信息,确保提取的特征值的合理性;最后使用AdaBoost训练得到级联分类器,将其载入系统,并在KITTI车辆数据集和INRIA Person行人数据集上进行实验测试.实验结果表明,该方法可在65s内识别1102个行人目标,在114.3s内识别1852个车辆目标,相比传统算法其可以明显加快目标识别的速度,对行人和车辆目标的识别率均可达到94％以上,其检测准确性相比其他方法也有显著提升.

关键词：目标检测;多特征融合;特征提取;Haar-like特征;IHL特征

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：装备预先研究项目;陕西省重点研发计划项目

在线出版日期：2021-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：219-225