《基于HOG的行人特征检测答辩PPT》由会员分享，可在线阅读，更多相关《基于HOG的行人特征检测答辩PPT（16页珍藏版）》请在金锄头文库上搜索。
1、注意：若要更改此幻灯片上的图像，请选择该图片，并将其删除。然后单击占位符中的图片图标以插入自己的图像。基于HOG和LBP特征的行人检测算法设计班 级：201332*学 号：28姓 名：*指导 老师：* 目录研究背景及意义算法设计方案实验过程遇到的问题及处理方案总结与展望研究背景及意义 基于HOG和LBP特征的行人检测算法设计 从近些年来看，机器学习发展可谓非常迅速。在此期间，行人检测算法是机器学习学习的一个重要组成部分。行人检测算法应用在很多领域，就像汽车智能驾驶系统、人流量检测、智能照相机等领域。行人检测算法也有很多种，如HOG算法、VJ算法、SHAPELET 算法等。但HOG算法由于其检测
2、速度快、准确率高和算法实用性高等综合性能不错而受欢迎。 行人识别照相机人像识别HOG特征和LBP特征融合的方式进行检测：算法设计方案 基于HOG和LBP特征的行人检测算法设计38393839维的维的融合特征融合特征37803780维的维的HOGHOG特征特征5959维的维的LBPLBP特征特征距离距离检测检测人与相机距离人与相机距离 基于HOG和LBP特征的行人检测算法设计HOGHOG特征提取过程特征提取过程：输入原图输入原图灰度化灰度化GammaGamma校正校正 梯度图梯度图区间区间blockblock细胞单元细胞单元CELLCELL对每个cell加权投影对cell内的所有特征组合成大的b
3、lock的特征HOGHOG特征向量特征向量37803780维维的的HOGHOG特征特征向向量量将所有block的特征组合成大的特征向量 基于HOG和LBP特征的行人检测算法设计LBPLBP特征提取过程特征提取过程：输入原图输入原图3 3* *3 3的的LBPLBP算子算子灰度化灰度化数字化显示数字化显示显示各像素点的灰度值特征化特征化LBPLBP特征向量特征向量大于83为1，小于83为0降降维处维处 理理后的得到后的得到的的5959维维的的LBPLBP特征向量特征向量将所有领域的特征组合到一起 基于HOG和LBP特征的行人检测算法设计距离检测距离检测功能功能：H Hh hf fd d H 为行
4、人目标实际高度；h 为行人成像高度；f 为相机焦距；d 为行人与摄像头之间的距离。在 f 和H已知的情况下，h可以通过成的像所占像素数求得，因此可通过公式（1）求出人与摄像头的距离d。（1 1）实验过程 基于HOG和LBP特征的行人检测算法设计行人检测实验行人检测实验：实验实验室内实验室内实验室外实验室外实验北客站北客站楼道楼道 基于HOG和LBP特征的行人检测算法设计室内测试测试262张张室外测试测试436张张正确识别250350错误识别710无识别552正确率95.4%80.3%单张检测时间0.5s0.6s室外环境复杂，有很多种因素干扰算法的判断，所以花的检测时间比较长，而且识别率也没有室
5、内高 基于HOG和LBP特征的行人检测算法设计距离检测实验距离检测实验：误差率0%10%10%20%20%30%30%以上测试张测试张 数/张张101886013平均差/m0.15m0.30m0.48m0.55m百分比38.5%33.5%22.9%5.0%表2 距离检测数据分析总张数：总张数：262262 测距功能也受到测距功能也受到行人检测算法结果的影响，因为行人检测算法结果的影响，因为其中成像高度是由行人检测结果得来的，行人检测的其中成像高度是由行人检测结果得来的，行人检测的误差的大小决定着距离检测功能的误差大小。误差的大小决定着距离检测功能的误差大小。 遇到的问题及处理方案 基于HOG和
6、LBP特征的行人检测算法设计问题问题1 1. .由于Opencv是图像处理库，处理不了视频，因此无法对视频直接进行 行人特征检测。处理方案：处理方案：将视频分割为帧，对每一帧进行行人检测，然后将每一帧的检 测结果重新写成视频。问题问题2 2. .在检测到HOG特征和LBP特征分别保存为两个模型文件时，如果测试 图中行人目标不止一个，那么两种特征就无法匹配正确。处理方案：处理方案：在检测到两种特征后，将两种特征通过并集方式结合到一起，组 成一个新特征，称之为融合特征。如将1 2 3和4 5两个向量变 为 1 2 3 4 5 基于HOG和LBP特征的行人检测算法设计问题问题3 3. .检测到行人后
7、，标记结果的窗口过大。处理方案：处理方案：将窗口按一定比例缩小。经试验验证效果很好。问题问题4 4. .在实现距离检测功能时，无法从图片中得到行人的具体身高。如果 采用单目测距，则必须保证选取的参照物和检测目标在同一平面， 所以参照物的选择是一个难题。双目测距因其硬件要求无法实现。处理方案：处理方案：采取求平均值得方式将行人的身高设为定值。具体过程：根 据网络上中国人的身高平均值来设定行人目标的身高，虽然有误 差，跟实际结果相差不大，但对于部分目标（过高或过矮）误差 相对较大。 基于HOG和LBP特征的行人检测算法设计视频展示本文算法本文算法单纯单纯HOGHOG算法算法本文算法与本文算法与单纯
8、的单纯的HOGHOG算法算法比较结比较结果展示果展示：红色为本文检测效果，绿色为单纯 的HOG算法检测效果标记框更小标记框更小有部分遮挡时，单纯的HOG算法检测不到环境适应力强环境适应力强检测效果没有本文算法好检测效果更好检测效果更好总结与展望 基于HOG和LBP特征的行人检测算法设计 基于HOG和LBP特征的行人检测算法设计展望展望：广泛的应用空间广泛的应用空间加入更多检测加入更多检测依据的可行性依据的可行性新型算法VJ算法Motion特征HOG算法SHAPELET 算法提高检测速提高检测速度的可能性度的可能性现在科技发现在科技发 展这么迅速，以后展这么迅速，以后一定会有更加厉害一定会有更加厉害的行人检测算法的行人检测算法出现。出现。结结束束谢谢大家！谢谢大家！谢谢大家！
