基于改进BING模型和边缘信息的行人检测算法

发布时间：2024-04-14 12:39

　　针对行人检测中传统多尺度滑动窗口遍历搜索计算量大,计算速度慢的问题,提出了一种基于改进BING模型和边缘信息的行人检测算法。首先,通过样本采样规则的确定、样本阈值的选择和搜索尺度空间的优化对BING似物检测模型进行了改进;然后,针对提取的候选框存在偏移的问题,提出了基于边缘信息的候选框位置矫正方法;最后,利用经典的HOG-SVM行人检测算法,对提取的行人候选框进行最终的行人识别。实验结果表明,该算法在保证行人检测率的前提下有效提高了行人检测的实时性。

【文章页数】：5 页

【部分图文】：

图２候选框偏移示意

测试集对改进的ＢＩＮＧ似物模型进行验证，并与原始模型进行对比，检测结果如图１所示。图１改进模型与原始模型检测结果对比由图１可知，改进模型相对于原始模型其提取的行人候选框数量大大减少，并且候选框的分割更具有针对性，但是原始模型和改进模型提取的候选框分割质量却参差不齐，存在一定的偏移....

图３扩大后的候选区域处理前后效果２．２候选框位置矫正

到行人在垂直方向具有明显的边缘特征，提出了基于边缘信息的行人候选框位置偏移矫正方法。该方法由２部分组成，分别为图像预处理和候选框位置矫正。２．１图像预处理通过将改进ＢＩＮＧ模型分割的候选框向其四周扩大１．４～１．８倍，然后对扩大的图像区域进行中值滤波去除噪声干扰，利用Ｓｏｂｅｌ算....

图５候选框位置更新前后示意

水平方向分别进行平移滑动，计算其在各个方向坐标下的边缘投影累计响应值。计算得到的边缘响应值与图像的位置关系如图４所示。图４边缘响应值与图像位置关系本文通过ＩＮＲＩＡ行人样本库测试集，对改进的ＢＩＮＧ似物模型提取的部分行人候选框进行位置矫正验证。由图４可知，在图像候选区域的第７６列....

图６本文行人检测算法流程结果与分析

置矫正验证。由图４可知，在图像候选区域的第７６列处垂直边缘响应值最大，第８９行处水平边缘响应值最大。因此将候选框的中心位置移动至候选区域坐标（７６，８９）处，更新前后的候选框位置如图５所示，可以看出更新后的候选框正确覆盖了行人。图５候选框位置更新前后示意３基于改进ＢＩＮＧ模型和边....

本文编号：3954695