摘要
针对现有梯度方向直方图(Histogram of Oriented Gradient,HOG)在复杂背景下提取行人特征存在维度较高、准确率低、检测耗时等问题,提出了一种运用主成分分析法(Principal Components Analysis,PCA)降维后级联多特征的行人检测模型。通过该模型实验分析了不同维度的分类识别率和识别时间对模型的影响;选择一些分类能强的行人颜色频率特征和肤色特征的block作为级联的特征向量,减少了冗余block的干扰影响,突出行人特征,并结合支持向量机进行识别;系统的分析了级联特征和单一特征对行人检测结果的影响。实验结果表明,该模型在行人检测中的准确率比单一特征提高了将近23%,其准确率和检测时间明显优于其他特征,正确率为99.11%。
作者
令晓明
郭锐辛
刘光廷
王锐东
LING Xiao-ming;GUO Rui-xin;LIU Guang-ting;WANG Rui-dong
出处
《制造业自动化》
CSCD
北大核心
2021年第3期32-34,76,共4页
Manufacturing Automation
