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.     

基于HOG及在线多实例学习的目标跟踪算法

传统的基于色彩直方图或空间色彩直方图的跟踪算法在跟踪目标出现尺度变化的复杂条件下,因无法显著区分颜色相近的目标和背景,不能得到准确跟踪结果.提出基于HOG及在线多实例学习的目标跟踪算法.此算法采用HOG特征值提取方式,结合在线多实例学习技术,对目标远离场景、平移、旋转、遮挡等情况进行跟踪.实验结果表明,该算法能够对各种复杂情况下的动态目标进行有效跟踪,具有良好的鲁棒性和准确性.     

梯度方向直方图和子流形在目标跟踪中的应用

针对光照、姿态变化等情况下的目标稳定跟踪问题,提出了一种基于梯度方向直方图和子流形的目标跟踪方法。首先对目标区域进行划分,将各子区域的梯度方向直方图组合作为目标初始特征描述;然后通过局部保留投影将初始特征投影到子流形得到低维特征描述。在特征提取过程中使用了积分直方图以提高运算速度。在跟踪阶段,首先使用离线训练方式得到了目标类的子流形空间特征,然后使用子流形空间中特征与训练样本均值的距离作为相似性度量,采用粒子滤波框架进行跟踪。针对目标亮度、尺度、姿态变化以及存在遮挡等复杂条件下的视频跟踪结果验证了所提出方法的有效性和鲁棒性。     

曲率-HOG目标检测算法研究

HOG特征描述子充分利用梯度方向与幅值分布信息,在行人、车辆等特定目标检测定位中得到广泛应用,针对如何在HOG特征中融合梯度信息和曲率信息,本文提出基于HOG的梯度曲率相结合的目标检测算法并将其应用于目标检测问题中。算法首先计算图像的曲率信息和梯度信息,利用梯度的幅值和方向作为约束条件,统计曲率的分布直方图;然后将曲率直方图特征与HOG特征相连接,构成新的更具有区分性的特征描述子,最后将这一特征描述子用于检测实验。在ETZH形状数据库和INRIA马匹数据库上的实验结果表明,本文算法能够更好地检测目标并获得较高的精度。      

基于改进MEANSHIFT的可见光低小慢目标跟踪算法

由于低小慢目标强机动性、易畸变等特点导致对其跟踪定位误差大、精确度低,本文针对这一难题提出了一种基于多特征融合与区域生长的Meanshift低小慢目标跟踪算法。首先根据人工标定的目标初始位置截取ROI（region of interest）区域,提取ROI区域的灰度直方图以及HOG（梯度方向直方图）特征,融合两特征建立目标的二维描述模板,然后结合目标模板与候选模板之间的Bhattacharyya相似系数以及ROI区域与候选区域之间的Hu矩的欧氏距离构建新的算法收敛判据,最后利用区域生长方法分析目标面积变化建立模板更新机制。通过在公开数据集LaSOT以及自行采集的4个图像序列上与同类算法的实验表现,表明本文算法对低小慢目标强机动与畸变不敏感,跟踪效果稳定,在一定的约束条件下,算法的跟踪精度可到达95%以上,具有较强的应用价值。      

HOG特征及其应用研究

图像特征在目标检测及识别中扮演着重要的角色。基于方向梯度直方图(Histograms of Oriented Gradient,HOG)特征的目标检测方法以其良好的检测效果得到很多研究者的广泛关注。文章重点研究HOG特征及其应用,详细分析了HOG特征的提取过程,并引入积分直方图对其计算进行加速处理。在基于HOG特征提取算法的基础上,重点探讨了基于HOG特征的行人检测,并简要介绍其在车辆检测以及目标跟踪方面的应用。     

基于多特征自适应融合的抗遮挡目标跟踪算法

针对目前的目标跟踪算法在目标发生运动模糊或被遮挡等情况下跟踪效果较差,容易出现跟踪失败等情况,本文提出了一种多特征自适应融合的抗遮挡相关滤波跟踪算法。算法首先提取梯度方向直方图特征HOG和颜色直方图特征,以最大化跟踪质量为目标自适应融合两种特征的相关滤波响应;在跟踪的过程中根据响应图的质量存储高质量滤波模板,采用高质量模板和正常更新模板检测响应图的质量差值来检测目标的遮挡情况,当目标遮挡消失的时候,跟踪器的模板回溯到高质量模板来重新跟踪目标。根据在OTB100、UAV123的实验结果,本文算法相对于其他同类型的相关滤波在跟踪精度和成功率方面表现更好,在发生目标遮挡时仍能很好地跟踪。     

基于视频的行人闯红灯检测方法

针对行人闯红灯的研究,固定在交通路口的单目摄像机拍摄的视频图像背景基本不发生变化,但是室外环境下受光照、温度、天气以及其他原因造成摄像机自身抖动的影响,背景会随着时间发生一定的变化,需要采用自适应的背景建模方法。现采用了混合高斯背景建模的方法提取运动目标。在梯度方向直方图特征(HOG)基础上,运用MIT行人和汽车数据库通过SVM分类器训练,运用训练结果对视频图像当中运动目标进行分类,识别出视频图像当中的行人,运用颜色直方图、位置和轨迹特征对运动行人进行跟踪,结合交通信号和可行区域判断行人是否构成了闯红灯的行为。对视频图像的处理用于行人闯红灯研究,经实验论证切实可行。     

一种基于HOG的粒子滤波行人跟踪算法

在智能视频监控领域,作为人体运动分析重要内容的行人跟踪正受到广泛关注.在实际视频监控中,利用运动摄像机拍摄会造成背景运动与行人尺寸变化,增加行人跟踪的困难.针对这一问题,为改善实现动态背景下的行人跟踪效果,文章提出了一种综合应用梯度方向直方图(HOG)和粒子滤波的行人跟踪算法.此方法以粒子滤波为跟踪框架,利用小型化的改...     

HOG特征混合模型结合隐SVM的感兴趣目标检测定位算法

针对传统基于梯度方向直方图特征检测算法对解决目标模型单一、发生形变、存在遮挡及目标受干扰下定位困难的问题,提出一种基于HOG特征混合模型结合隐SVM的感兴趣目标检测算法。首先利用用训练图像的HOG特征金字塔表示得到包含感兴趣目标根模型、部件模型和对应可变形部件特征表示,该模型不仅描述目标的整体轮廓,而且能够捕捉到更为精细的目标部件轮廓,在一定程度上提高了检测算法在目标姿态复杂情况下的鲁棒性。然后利用HOG特征混合特征训练部件检测分类器LSVM(Latent Support Vector Machine)。最后通过动态规划和距离转换算法在测试图上扫描出与可变形部件模型相匹配的区域,实现感兴趣目标的检测定位。经过多组实验结果表明,所提出的算法能较好地解决目标在发生较大形变和存在遮挡等复杂姿态下的定位问题。