基于改进HOG特征值的车标检测与识别方法

车标自动识别是智能交通系统中机动车辆信息采集的关键内容。根据车标具有丰富边缘信息的特征,文章应用HOG(梯度方向直方图)的特征值,采用SVM(支持向量机)的分类工具实现了车标的快速检测与识别。并提出一种改进的HOG特征值,在车标检测识别准确率上取得了显著的效果。大量实验数据以及在智能交通系统中的应用表明,该方法具有较强的鲁棒性和实用价值。     

基于时空视觉显著性特征的行人检测

在分析现有的行人检测算法的基础上,针对前景提取不完整及检测误差较大等不足,提出了一种基于时空视觉显著性特征的行人检测改进算法.在具有代表性的Itti模型的基础上,使用更接近于人类视觉的Lab颜色空间对其颜色空间进行改进,并将运动特征及基于轮廓搜索的内部空洞填充法引入其中,生成总显著图.提取ROI,采用HOG特征结合SVM分类器对ROI进行行人检测.实验结果表明,该算法在一定程度上避免了误检和漏检的发生,相比较HOG算法具有较好的检效果.     

基于俯仰角修正的HOG特征快速行人检测算法

传统的HOG特征对正视或侧视行人有较好的识别率,但是对俯视行人的识别率仍有所欠缺。对检测图像的HOG特征根据不同的俯仰角进行了转换,同时优化了SVM分类器训练过程,提出了一种改进的快速行人检测算法。测试结果表明,该算法优于基于传统HOG特征的检测方法,有效提高了不同俯仰角视频中行人检测的准确性。     

光度非均匀彩色序列图像超分辨率重建

为了实现外界光照变化或相机积分时间自动调节等情况下拍摄的彩色序列图像的超分辨率重建,文章首先提取图像感兴趣区域的方向梯度直方图作为匹配特征,以相关系数作为相似性测度进行几何配准;其次建立光度测量模型进行光度配准;最后采用最大后验估计算法求出光度改善的高分辨率图像。文章采用平均梯度、信息熵、图像对比度对重建图像质量进行评估。实验表明,重建后高分辨率图像平均梯度及信息熵均有大幅提高,图像更清晰、信息更丰富。算法能有效减小重建图像间的光度差异,提高彩色图像的对比度,对光度变化具有一定的鲁棒性。     

基于仿射梯度方向直方图特征的目标识别算法

针对基于传统梯度方向直方图特征的目标识别算法(HOG+SVM)在目标发生仿射变化时识别效果较差的问题,该文提出一种基于仿射梯度方向直方图特征的目标识别算法(AHOG+SVM).通过提取多尺度金字塔梯度图像的 HOG 特征,提高了算法的尺度不变性;通过将平面 HOG 栅格拓展至3维 HOG 栅格,并根据目标的世界坐标系与图像坐标系的映射关系将3维 HOG 栅格映射为2维 HOG 仿射栅格,最后对仿射栅格内的 HOG 特征进行仿射逆变换,以达到增强算法旋转不变性与错切不变性的目的.多组实验结果表明,该文提出的算法能够解决在目标识别过程中由尺度变化、旋转变化和错切变化(3D 视角变化)所造成的识别率较低的问题,性能优于 HOG+SVM算法.     

随机蕨丛算法下的三点焊缝定位方法

针对在焊接过程中工件易变形、光照干扰等情况下不能精确定位焊缝的问题,提出一种基于方向梯度特征的随机蕨丛算法。首先建立焊缝模型分类器,并用其在测试样本中得到焊缝部分。其次,采用随机蕨丛算法得到所有训练样本的特征类型并计算特征点的平均坐标差值。最后,判断测试样本所属类型,根据坐标偏移量求出特征点具体坐标值来实现定位。实验结果表明：所提出的算法在保证较高精确定位的同时,还具有很好的时效性。     

特征级联在车辆检测中的应用与研究

对现有的采用机器学习算法检测车辆进行研究,分析其存在的不足;表现在特征或者算法单一,对光照等条件变化鲁棒性不够;针对这些问题,提出一种融合LBP特征与HOG特征,并结合Adaboost与SVM的车辆检测算法;借鉴级联的思想,首先采用AdaBoost对训练样本提取LBP特征进行训练,得到的分类器用于初步筛选并将其分类结果作为下一层分类器的输入;然后采用SVM算法对训练样本提取HOG特征进行训练,得到的分类器用于二次筛选上一层分类器的分类结果;实验结果证明Adaboost-SVM相结合的办法检测结果精度高,准确率和召回率均达到95%以上,FPPW与FPPI的值均在5%左右;同时由于算法采用的特征对光照条件具有较强的鲁棒性,因此光照条件的变化对算法的识别结果影响较低;实时性方面,每帧图像的处理时间为75 ms,满足实时性要求。     

基于HOG纹理的全天时十字路口车尾检测算法

HOG纹理因其良好的鲁棒性,在纹理描述中被广泛使用。提出了一种将HOG纹理应用于十字路口全天候车尾检测的算法。即分别采集了白天和夜间该场景下的车尾作为正样本、非车辆和车辆的一部分作为负样本,经预处理后,提取较低维数的HOG纹理送入支持向量机进行训练,得到白天和夜间的识别模型,在检测中根据一定的条件进行切换。对多段视频进行测试证明,该种算法对不同时段的交通场景都具有较高的稳定的车尾识别率,且优于单模型的识别效果。     

Detection and tracking strategy for license plate detection in video

In this paper, we present a novel method to detect license plates in video sequences automatically. The framework mainly integrates the cascade detectors method and the Tracking Learning Detection (TLD) algorithm. The cascade detectors are used to detect license plates, and the TLD algorithm is adopted to track the license plate regions. The license plates in the first frame image are detected by the cascade detectors to build the original tracking list, the tracking results and the detection results in following frames will be compared, and the newly appearing license plate information will be added to the tracking list. Meanwhile, the tracking results existing in the current tracking list would be replaced by the corresponding detection results with higher degree of confidence. We demonstrate the effectiveness of our algorithm for license plate detection task on a road intersection dataset, and the experimental evaluation shows the detection performance has been greatly improved by synthetically using the detection and tracking strategy.     

一种基于HOG的快速人体检测方法

Dalal等人提出的基于梯度方向直方图(HOG)的人体识别算法具有较高精度,因此成为了人体识别领域热门研究的对象,文中提出了一种快速HOG特征提取算法,并用支持向量机(SVM)训练得到人体分类器。实验结果表明,该算法在不降低检测效果的情况下,明显提高了人体检测的速度,且具有较强的鲁棒性。