goback
月期刊咨询网
当前位置:首页>>电子技术论文>>正文

中级工程师职称论文范文HOG特征快速行人检测算法


所属栏目:电子技术论文
发布时间:2014-11-07 14:08:58  更新时间:2014-11-07 14:35:52

已签订领域:化学工程/制药,医学题目:**作为抗癌剂***催化剂**取代苯丙***SCI四区 直击了解更多选题

已签订领域:环境科学-公共卫生题目:用**电***生物传感器**癌症**SCI二区 直击了解更多选题

已签订领域:环境科学-公共卫生题目:**氧化石墨烯纳米***材料的生物传感器***结肠癌生物**癌胚****SCI二区 直击了解更多选题

已签订领域:环境科学-公共卫生题目:聚合物纳米***a-硫辛酸***在神经炎症***应用***临床分析SCI二区 直击了解更多选题

已签订领域:计算机视觉/遥感/智能驾驶/汽车题目:**深度学习***高分辨率遥感***车辆检***SCI三区 直击了解更多选题

已签订领域:企业管理题目:社会交流***领导***倾向***方向SSCI,SCI三区,二区 直击了解更多选题

已签订领域:企业管理题目:**中小企业社交媒体****可持续绩效***因素探析SSCI,SCI三区,二区 直击了解更多选题

已签订领域:环境科学,公共卫生题目:利用硫氨酸***石墨烯纳米***电化学***传感器实现癌胚抗原***SCI二区 直击了解更多选题

已签订领域:环境科学,公共卫生题目:基于抗***纳米复合***高性能***早起癌症诊断***SCI二区 直击了解更多选题

已签订领域:经济,能源题目:***政治冲突****绿色金融、金融**、气***化***SCI四区 直击了解更多选题

已签订领域:经济,能源题目:冲***中能源不安全对***和环境***SCI四区 直击了解更多选题

已签订领域:教育题目:大学生***社交媒体***成绩影响***SSCI三区 直击了解更多选题

已签订领域:教育题目:巴基斯坦***学习实施的***的**SSCI二区 直击了解更多选题

已签订领域:教育题目:大学生对****下网络教学**思***SSCI二区 直击了解更多选题

已签订领域:教育题目:**教师和学生对影响***医疗**效果的****看法SSCI三区 直击了解更多选题

已签订领域:计量经济学题目:**货币、黄金、**和美国***的波动***相互依赖性:**数据的分析SSCI一区 直击了解更多选题

已签订领域:计量经济学题目:东南亚***内**趋同***中等收入**:新**的***SSCI二区 直击了解更多选题

已签订领域:建筑,历史题目:历史景点在***旅游发***中的***影响**(**研究:**历史***)SSCI,SCI一区 直击了解更多选题

已签订领域:领导力,管理题目:量化**领导对角色绩效***响:**冲突与工作自主性***作用SCI二区 直击了解更多选题

已签订领域:信息技术,教育题目:数字***环境对学生学习成绩***:游戏**和***现实在教育***作用SSCI四区 直击了解更多选题

已签订领域:信息技术,教育题目:信息技术***续决策之间的***:创新***识的**作用SSCI二区 直击了解更多选题

已签订领域:信息技术,教育题目:课程**对大学生***发展的影响:学习习惯和***的***作用SSCI一区 直击了解更多选题

已签订领域:信息技术,教育题目:信息技术***与可持续决策**:高等***学生认知***作用SSCI二区 直击了解更多选题

已签订领域:计算机,英语教学题目:英语****学**与人工智能****学习SCI三区 直击了解更多选题

已签订领域:计算机,音乐题目:评价**和音乐**对学生成绩***的影响SCI三区 直击了解更多选题

已签订领域:人体工程,心理学题目:基于预先处理模型***模式人体工程学***女生肌肉骨骼***预防行为*** 直击了解更多选题

已签订领域:人体工程,心理学题目:制定一个***人体工程学**,以识别、优先考虑***职业压力源的*** 直击了解更多选题

已签订领域:人体工程,心理学题目:多重工作**压力和工作***:***工效学方法的混合方法*** 直击了解更多选题

已签订领域:数学,经济题目:数学模型***结构调整和经济转型****研究 直击了解更多选题

已签订领域:数学,经济题目:***时间**数学模型在***媒体营销**中的应用*** 直击了解更多选题

已签订领域:数学,经济题目:***时间**模型在***物流运**能力***研究 直击了解更多选题

已签订领域:数学,经济题目:碳****经济的数学模型****研究 直击了解更多选题

已签订领域:农村经济题目:农****社区**发展***分**SCI四区 直击了解更多选题

已签订领域:农村经济题目:创业***对乡村****发展的****SCI四区 直击了解更多选题

已签订领域:农村经济题目:农村创业****的空间*****究SCI四区 直击了解更多选题

已签订领域:医学,电化学题目:纳米颗粒*****及其在癌症****和重金属*****检测中的应用SCI三区 直击了解更多选题

已签订领域:医学,电化学题目:基于*****前列腺癌药物氟****检测方法的*****腺癌治疗SCI二区 直击了解更多选题

已签订领域:医学,电化学题目:气海***********金纳米颗粒的新型****************粘土及其对胃癌********************抗癌SCI二区 直击了解更多选题

已签订领域:医学,电化学题目:基于抗***********GCE纳米***********材料的高性能*******************早期癌症SCI二区 直击了解更多选题

已签订领域:医学,电化学题目:用******电化学生物传感器*****癌症***************SCI二区 直击了解更多选题

已签订领域:医学,电化学题目:基于*****石墨烯纳米****材料的生物传感******用于测定结肠*****生物*****SCI二区 直击了解更多选题

已签订领域:医学,电化学题目:聚合***纳米复合电极*****疏辛酸电化学检测*********SCI二区 直击了解更多选题

已签订领域:医学,电化学题目:利用****酸/**糖**石墨烯纳米复合修饰的电化学*****SCI二区 直击了解更多选题

已签订领域:环境能源,绿色投资题目:环境能源、绿色投资、城市化和环境类方向SCI三区 直击了解更多选题

已签订领域:计算机,英语教学题目:英语教学**人工智能***习SCI 直击了解更多选题

已签订领域:计算机,音乐题目:评价**和音乐形式*学生***影响SCI三区 直击了解更多选题

已签订领域:经济,绿色投资题目:***能源效率***化之间的***SCI三区 直击了解更多选题

已签订领域:经济政策题目:***阐明**印度经济***的关系SCI三区 直击了解更多选题

已签订领域:经济,金融题目:***国家的能源***重***SCI 直击了解更多选题

已签订领域:经济,金融投资题目:***融新之间***直接投资***SCI三区 直击了解更多选题

已签订领域:经济,数学,统计学,管理学题目:非***想重限制下***袭评价***SSCI四区 直击了解更多选题

已签订领域:经济,数字,管理学题目:基干***生产系统***SSCI四区 直击了解更多选题

已签订领域:农业,土壤科学题目:不同***有机覆盖***养分循环SSCI 直击了解更多选题

已签订领域:电力与能源系统,管理题目:pv***氢定价的***随***型稀SSCI,SCI二区 直击了解更多选题

已签订领域:建筑规划,计算机题目:使用***因子分析法***可持续***SCI三区 直击了解更多选题

已签订领域:工程技术,纺织工程,材料科学题目:甘***淀粉酶的提取***退浆中的应用SCI四区 直击了解更多选题

已签订领域:渔业,鱼类生理学题目:饲料***镉毒性的交互***生长***病理学***SCI二区 直击了解更多选题

已签订领域:渔业,鱼类生理学题目:****鱼水源***起的生******SCI三区 直击了解更多选题

已签订领域:金融,环境经济题目:*****预算在能效、绿色***的作用SCI 直击了解更多选题

已签订领域:应用数学/计算物理题目:***非线性库***自相位调制***SCI三区 直击了解更多选题

已签订领域:计算机,医学检测题目:***COVID-19***力***算法***决策SCI三区 直击了解更多选题

已签订领域:计算机,物联网,智慧城市题目:基于***物联网****算法SCI三区 直击了解更多选题

  目前在交通运输方面,针对行人以及客流的建模研究主要集中于对行人的步频和长度、行人安全、行人数目、行人跟踪、公共服务设施服务时间等参数的研究[1]。在国内,由于特殊的国情,研究集中在聚集客流、服务时间以及对行人安全方面的研究。

  摘 要: 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。

  关键词: 中级工程师职称论文范文,快速行人检测算法,HOG特征,俯仰角修正,SVM

  Pedestrian quick detection algorithm based on with pitch angle corrected HOG features

  CAO Qiao?hui, GE Wang?chen

  (School of Electronics and Information Engineering, Tongji University, Shanghai 200092, China)

  Abstract: Traditional HOG feature detection method has a preferable recognition rate for envisaging and side?looking pedestrians, but has a low recognition rate for overlooking pedestrians. An improved pedestrian quick detection algorithm is proposed in this paper, which is realized by converting HOG features in the detected images according to pitch angle and optimizing the SVM classifier training process. The testing result shows that the algorithm is better than the detection methods based on the traditional HOG features and has improved the detection veracity of pedestrians in the different pitch angle video images.

  Keywords: pedestrian quick detection; HOG feature; pitch angle correction; SVM

  0 引 言

  大部分公共场所的背景较为复杂,因此如果仅仅使用基于背景?前景分割的目标分割技术,其性能会受到复杂背景的影响,其中包括将非人运动物体检测为目标或者将静态目标与背景融为一体导致漏检。此外,监控摄像头一般处于离地面较高的位置,其视角会发生一定的变化,基于模板或基于特征的检测方式也会在鲁棒性上受到一定的影响。

  对于基于机器学习的行人检测来说,其中的一个重要问题是如何选取一个信息量足够大并且对光照、视角等具有鲁棒性的本地特征,以便将前景中的行人和非行人分割开来。由于Dalal和Triggs提出的HOG特征能够比较准确地描述行人,因此本文将采用HOG特征作为行人的主要特征。

  本文对Dalal和Triggs的算法进行了改进,并且应用在不同视角的公共场所视频的行人检测中。在检测过程中,针对不同俯仰角,本文对检测图像的HOG特征进行了转换,使不同俯仰角视频中的行人能够被正确地检测出来。

  1 HOG特征及视角变化对其的影响

  1.1 HOG特征

  Dalal和Triggs于2006年提出了基于HOG的行人检测算法[2]。与SIFT特征类似,HOG也是采用图像局部区域的梯度统计信息对图像进行描述。但是与SIFT不同的是,HOG并不只针对目标区域内的稀疏点进行特征提取,而是一种密集特征,即HOG特征与目标区域内的所有点有关,因此通常 HOG会以高维向量的方式表现。

  HOG的主要思想是:在一幅图像中,相对于使用颜色信息,本地物体或行人的外观与形状能够更好地被梯度或者边缘分布的直方图描述。因此,Dalal和Triggs将图像分为各个胞元(cells),计算胞元中每个像素的梯度;对检测窗口(window)中的块(block)进行密集扫描,串联起来得到一个高维向量;最后通过线性SVM分类器对向量进行分类,以达到检测物体的效果。

  1.2 摄像机俯仰角对HOG特征的影响

  对于大多数行人库,如INRIA,MIT行人库等,其训练样本主要为侧视角的行人[3];而在实际应用中,并不能够保证摄像机的角度一定为侧对行人的角度。如果不考虑视角变换而是将所有视角的行人图片一起作为正样本训练,则会影响到线性SVM分类器的分类性能。此外,对于特定视角的样本采集会耗费大量的时间,并且对场景的适应性有限。因此研究视角的不同会带来HOG特征的变化。

  设置场景的摄像机的水平旋转角为[α,]俯仰角为[β,]如图1所示。下面将分别讨论它们对梯度产生的影响。

  图1 摄像机视角不同对物体高度和宽度的影响

  对于俯仰角[β,]其影响的是[y]方向的分量,若人体的高度为[H,][h1]是摄像机和水平面夹角为[β1]时人体在图像上所成像的高度,[h2]是摄像机和水平面夹角为[β2]时人体在图像上所成像的高度,则有:

  [Cβ1,β2=h2h1=cosβ2cosβ1, -π2<β<π2] (1)

  [θ2x,y=arctantanθ1x,y?1Cβ1,β2] (2)

  且梯度为:

  [?f2(x,y)=?2f?x2+tan2θ1(x,y)??2f?x2] (3)

  [?f2(x,y)=?2f?x2+tan2θ1(x,y)C(β1,β2)??2f?x2] (4)

  [?f2x,y=?f1x,y?1+tan2θ1(x,y)C(β1,β2)1+tan2θ1(x,y)] (5)

  同时对于扫描窗口的尺寸,有:

  [w=C(α1,α2)?w] (6)

  [h=C(β1,β2)?h] (7)

  因此当摄像机的水平和俯仰角度发生变化时,目标图像的梯度都会发生一定程度的变化。在实际检测特征时,先对梯度进行相应的变换,再按普通HOG的方式进行检测。

  2 快速人体检测算法

  2.1 训练过程

  本算法使用的训练过程如图2所示。

  图2 SVM分类器完整训练流程

  本算法采用INRIA行人数据集作为训练样本库,并加入一些自行采集到的行人数据。INRIA数据集中的图像都为彩色图像,正样本的大小为 96×160,负样本的大小为320×240。本系统在RGB空间中提取HOG特征,在三个空间中分别计算这三个分量的梯度,选取幅值最大的作为该像素梯度;使用像素的cell计算9个方向上的梯度直方图,并且将像素作为一个block进行梯度直方图归一化[4],如图3所示。

  图3 对图片的block进行直方图归一化并计算梯度直方图

  在进行SVM分类时,本文采用SVM Light对正样本和负样本提取的HOG特征分类,并且使用线性核SVM作为分类器。一次分类结束后,将得到的分类器对所有源负样本进行密集扫描检测。二次训练完成后,就得到了3 780维的SVM分类器。

  2.2 快速行人检测算法

  检测的流程图如图4所示。

  图4 本文使用检测算法的流程图

  在二次训练后得到3 780维的SVM分类器后,使用此分类器对图像中的人体进行检测。在使用SVM对特征进行分类时,需要对视角进行修正。考虑到摄像机的角度变化,本文中采用的扫描窗口大小由式(6)与式(7)决定,例如当俯仰角为30°,水平角为15°时,窗口的大小为64×110;获得窗口中的梯度后,使用式(5)对获得的梯度进行修正,并且使用线性插值对图像边缘的梯度进行插值,使梯度图像重新缩放至64×128大小;然后对这些梯度计算HOG特征,并使用SVM分类器进行分类[5]。

  检测时采用密集扫描,并对检测图像进行变化率为[σ=]1.10的多尺度变换[6]。因此,图像中包含相同目标的多个检测窗口在SVM检测时都会被检测为目标窗口;单个目标可能会出现多个检测窗口,对后续跟踪造成困难。

  为了使每个目标仅被单个窗口包围,需要对包围窗口进行合并。如果一个目标窗口被另一个目标窗口完全包含,那么认为它们属于同一个目标;同时当包围窗口之间的重合面积大于70%时,也认为它们属于一个目标。这里将被认为属于同一个目标的包围窗口定义为属于同一类。对于每张图像,将所有的包围窗口分为[N] 类,每个目标带有[n]个包围窗口,并且引入一个阈值[T。]当[N]类中的包围窗口数量[n]大于[T]时,将相同类别的包围盒作合并;包围窗口数量小于[T]时,认为这个类属于误报,对其进行过滤。经过测试,使用阈值[T]为2的合并算法就能够合并大部分的包围盒,并且滤除一定的误检目标。

  3 实验结果及分析

  本文分别采用PETS2006的稀疏客流密度视频与PETS2009中的中客流密度的部分视频对算法的识别率进行测试,并且截取一部分对本文所使用的 HOG特征进行检测。视频的信息如表1所示。在测试时,记录一帧中未检测出的行人数量以及错误检测的目标框数量。测试的结果如表2,表3所示。

  表1 所使用的测试视频信息

  [视频名称\&俯仰角\&视频尺寸\&帧数\&总目标数量\&0601\&β≈45°\&360×288\&700\&471\&0602\&β≈45°\&360×288\&1 007\&687\&0901\&β≈30°\&768×576\&794\&3 099\&0902\&β≈0°\&768×576\&794\&2 807\&]

  表2 普通HOG特征的测试结果

  [视频名称\&帧数\&总目标数量\&正确识别数\&漏检数\&0601\&700\&471\&428\&43\&0602\&1 007\&687\&622\&64\&0901\&794\&3 099\&2 914\&185\&0902\&794\&2 807\&2 723\&84\&]

  表3 视角转换的HOG特征的测试结果

  [视频名称\&帧数\&总目标数量\&正确识别数\&漏检数\&0601\&700\&471\&448\&23\&0602\&1 007\&687\&670\&17\&0901\&794\&3 099\&3 006\&93\&0902\&794\&2 807\&2 797\&110\&]   本文使用对数尺度下的DET(Detection Error Trade?off)曲线作为本文算法的准确性评价标准,即漏检率(Miss Rate,MR)和误检率(False Postive Per Window,FFPW)曲线。本文的算法与Dalal的算法在俯仰角为0°,30°,45°的情况下的DET曲线分别如图5所示。

  从图中可以看出,当俯仰角为0°时,本文的算法与Dalal的算法在检测率上没有没有很大的区别;当俯仰角为30°时,本文的算法的漏检率在时比Dalal的算法低了3%左右;当俯仰角为45°时,本文算法的漏检率比Dalal的算法低了5%左右。

  图5 本文算法与传统算法的比较

  本文提出的方法的性能较传统方法有所改善。图6显示了本文提出的方法在不同视频中的检测效果。

  4 结 语

  针对传统HOG特征对俯视行人的识别率不高的问题,本文基于被检测图片的HOG特征进行了俯仰角修正,并且对不同视角的公共场所视频进行了行人检测测试。测试结果证明,本文提出的算法有效提高了HOG算法检测的准确性。

  图6 测试结果

  参考文献

  [1] SAUNIER N, HUSSEINI A E, ISMAIL K, et a1. Pedestrian stride frequency and length estimation in outdoor urban environments using video sensors [C]// TRB 90th Annual Meeting Compendium of Papers. Washington DC: Transportation Research Board, 201l: 1l?21.

  [2] DALAL N, TRIGGS B. Histograms of oriented gradients for human detection [C]// Proceedings of the International Conference on Computer Vision and Pattern Recognition. San Diego, CA, USA: IEEE, 2005, 1: 886?893.

  [3] KARAULOVA I, HALL P, MARSHALL A. A hierarchical model of dynamics for tracking people with a single video camera [C]// British Vision Conference. Bristol, UK: BVC, 2000: 352?361.

  [4] 刘清,吴志刚,郭建明,等.视角和旋转角变化时梯度方向直方图的转换[J].控制理论与应用,2010(9):1269?1272.



月期刊平台服务过的文章录用时间为1-3个月,依据20年经验,经月期刊专家预审通过后的文章,投稿通过率100%以上!
  • IF:3.1,材料类见刊周期短的sci期刊:materials

    2025-04-28
    Materials期刊的主要研究方向包括材料科学、化学、物理化学、冶金工程、物理应用、凝聚态物理等。今天在这里详细为大家介绍Materials期刊的详细信息: 1、Materials期刊官网 https://www.mdpi.com/journal/materials 期刊ISSN:1996-1944 2023-2024最新影响因子:3.1
  • 必看!甘肃省中小学教师申报高级职称业绩贡献条件标准

    2025-04-28
    在教育领域,职称晋升还是比较激烈的,为了能够获得中级、副高和正高级职称,参评人可通过发表论文、出版教材、著作和申请专利和课题。今天在这里为大家介绍的甘肃省中小学教师申报高级职称业绩贡献条件标准,供大家参考: 1、正高级职称能力条件标准 (1)专业能力。
  • 建筑方向热门中文核心和sci一二三四区期刊合集

    2025-04-27
    在建筑学领域,国内外核心期刊众多,作者可根据论文研究方向、质量和创新性选择适合的中文核心和sci/ssci期刊投稿。以下是为大家介绍的部分 建筑方向热门中文核心和sci/ssci一二三四区期刊合集 ,供大家参考: 一、建筑方向热门中文核心期刊 《建筑材料学报》 《建筑结
  • 评职称认可度高,审稿快的医学sci期刊

    2025-04-27
    在医学领域,职称晋升副高和正高级职称需要选择适合的sci期刊,为了确保单位职称评定,顺利完成职称评审。今天在这里为大家介绍 评职称认可度高,审稿快的医学sci期刊 ,供大家参考: 1、 American Journal Of Chinese Medicine 中科院分区:2区 影响因子:4.8 投稿方
  • 2025年广东省工业软件工程技术职称评审指南!初/中/高级最新要求+材料+流程

    2025-04-27
    2025年评职称的留给大家的时间不多了,想要评初/中/高级工程师的小伙伴还在等什么,尽早准备,以免影响单位职称评定。今天在这里为大家介绍的是 2025年广东省工业软件工程技术职称评审指南!初/中/高级最新要求+材料+流程 ,希望能够帮助到到大家。 一、工业软件工程
  • 最新 | 《国际中文教育核心期刊目录》发布,20种期刊入选(附名单及投稿方式)

    2025-04-25
    2025 年 4 月 22 日,世界汉语教学学会在教育部中外语言交流合作中心发布了《国际中文教育核心期刊目录》。这是国际中文教育领域首个专业性评价,旨在引领学术研究聚焦现实需求和理论前沿,推动学术体系建设与实践创新,助力构建国际中文教育知识体系。以下是对该目录
  • 最新!2025年宇航领域进展发布

    2025-04-25
    2025年宇航领域科学问题和技术难题重要研究进展已于2025年4月24日在中国航天大会主论坛上正式发布。此次发布活动是由中国宇航学会和中国航天大会学术委员会委托中国科学院院士、中国航天科技集团有限公司研究员王巍进行的。 重要研究进展概述 中国宇航学会组织航天领域
  • 西北工业大学!计算机学院博士生在《Nature Communications》期刊发表论文

    2025-04-23
    近日,计算机学院科学智能(AIforScience)交叉研究中心研究成果Identifying potential risk genes for clear cell renal cell carcinoma with deep reinforcement learning发表于《 Nature Communications 》期刊。西北工业大学博士生鹿大智、天津大学副教授郑岩和四
  • 南方科技大学/浙江大学!在国际顶尖学术期刊《Science》发表论文

    2025-04-21
    2025 年 4 月 17日,南方科技大学刘心元教授团队联合浙江大学洪鑫教授团队(深圳格拉布斯研究院-光明高等研究院研究副教授张宇峰、博士后王彪、硕士研究生陈铮及博士后刘吉人为论文共同第一作者),在国际顶尖学术期刊《Science》上发表了题为:Asymmetric amination o
  • 厉害!全球发布:哈工大打造机器人领域顶级国际期刊《智能机器人(英文)》(SmartBot)

    2025-04-19
    4月14日消息,据哈尔滨工业大学官微发文,哈尔滨工业大学与Wiley出版集团联合推出的国际学术期刊《智能机器人(英文)》(SmartBot)首期创刊号于2025年3月正式面向全球发布。 期刊核心亮点: 1.国际编委团队:期刊汇聚了来自20个国家和地区的49位国际编委,其中包括26
回到顶部