改进型WLD与LBP特征融合的行人检测

doi:10.3969/j.issn.1000-3428.2014.03.042

计算机工程

改进型WLD与LBP特征融合的行人检测

谭飞刚，殷苌茗，周书仁

(长沙理工大学计算机与通信工程学院，长沙 410004)

收稿日期:2012-12-27 出版日期:2014-03-15 发布日期:2014-03-13
作者简介:谭飞刚(1987－)，男，硕士研究生，主研方向：模式识别，图像处理；殷苌茗，教授、博士；周书仁，博士。
基金项目:
国家自然科学基金资助项目(60973113)；湖南省自然科学基金资助项目(12JJ6057)；湖南省标准化战略基金资助项目(2011031)；长沙市科技计划基金资助项目(K1203015-11)。

Pedestrian Detection Fused with Improved WLD and LBP Feature

TAN Fei-gang, YIN Chang-ming, ZHOU Shu-ren

(Computer & Communication Engineering School, Changsha University of Science & Technology, Changsha 410004, China)

Received:2012-12-27 Online:2014-03-15 Published:2014-03-13

摘要/Abstract

摘要： 为提高行人检测的识别率，提出一种基于改进型韦伯局部描述子(WLD)和局部二元模式(LBP)的特征融合方法进行行人检测。对图像进行二维离散Haar小波变换得到4个不同频率的子图像，对其中1个低频部分提取WLD特征，对3个高频部分提取LBP特征，并将各个子图像的特征串接为1个向量，得到WLD-LBP特征。在INRIA Person数据集上利用SVM作为分类器进行测试，实验结果表明，与单独WLD特征、梯度方向直方图(HOG)特征、PHOG特征以及HOG-LBP特征融合方法相比，该方法的识别率最高，可达98.1%，并且对光照和噪声也有较好的鲁棒性。

关键词: 二维离散小波变换, 特征融合, 行人检测, WLD特征, LBP特征

Abstract: This paper presents a feature fusion method(WLD-LBP) based on an improved Weber Local Descriptor(WLD) and Local Binary Pattern(LBP) through a two-dimensional discrete haar wavelet transform. The algorithm starts with a two-dimensional discrete haar wavelet for the image so as to obtain the subimages of four different frequencies. Making full use of the WLD and LBP, we extract the WLD characteristics of the low frequency part, and LBP features of the other three high-frequency portion, and then a vector consisted with the characteristics of the image is produced which we called WLD-LBP characteristics. Five groups of test experiments were conducted on INRIA Person databases using SVM as classifier,comparing with the characristics of WLD, Histogam of Oriented Gradient(HOG), PHOG and feature fusion of HOG-LBP,respectively. The results demonstrate the effectiveness with the highest recofnition rate up to 98.1% and robustness to illumination and noise of the proposed method.

Key words: 2-D discrete wavelet transform, feature fusion, pedestrian detection, Weber Local Descriptor(WLD), Local Binary Pattern(LBP)

中图分类号:

TP391

谭飞刚，殷苌茗，周书仁. 改进型WLD与LBP特征融合的行人检测[J]. 计算机工程, doi: 10.3969/j.issn.1000-3428.2014.03.042.

TAN Fei-gang, YIN Chang-ming, ZHOU Shu-ren. Pedestrian Detection Fused with Improved WLD and LBP Feature[J]. Computer Engineering, doi: 10.3969/j.issn.1000-3428.2014.03.042.

参考文献

参考文献 [1] 苏松志, 李绍滋, 陈淑媛, 等. 行人检测技术综述[J].电子学报, 2012, 40(4): 814-820. [2] Dalal N, Triggs B. Histograms of Oriented Gradients for Human Detection[C]//Proceedings of IEEE International Conference on Computer Vision and Pattern Recognition. [S. l.]: IEEE Computer Society, 2005: 886-893. [3] Dollar P, Babenko B, Belongie S, et al. Multiple Component Learning for Object Detection[C]//Proceedings of the 10th European Conference on Computer Vision. Marseille, France: [s. n.], 2008: 211-224. [4] Gan Guolong, Cheng Jian. Pedestrian Detection Based on HOG-LBP Feature[C]//Proceedings of the 7th International Conference on Computational Intelligence and Security. Sanya, China: [s. n.], 2011: 1184-1187. [5] Chen Jie, Shan Shiguang, He Chu, et al. WLD: A Robust Local Image Descriptor[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2010, 32(9): 1705-1720. [6] 陈杰. 人脸检测中的训练集优化[D]. 哈尔滨: 哈尔滨工业大学, 2007. [7] Ojala T, Pietikinen M, Harwood D, et al. A Comparative Study of Texture Measures with Classification Based on Feature Distribution[J]. Pattern Recognition, 1996, 29(1): 51-59. [8] Zhao Guoying, Ahonen T, Matas J. Rotation-Invariant Image and Video Description with Local Binary Pattern Features[J]. IEEE Transactions on Image Processing, 2012, 21(4): 1465- 1477. [9] Zhang Xinyang, Zhang Renjin. The Technology Research in Decomposition and Reconstruction of Image Based on Two-dimensional Wavelet Transform[C]//Proceedings of International Conference on Fuzzy Systems and Knowledge Discovery. Chongqing, China: [s. n.], 2012: 1998-2000. [10] 殷明, 刘卫. 基于四元数小波变换HMT模型的图像去噪[J]. 计算机工程, 2012, 38(5): 213-215. [11] Roncancio H, Hernandes A C, Becker M, et al. Vision-based System for Pedestrian Recognition Using a Tuned SVM Classifier[C]//Proceedings of 2012 Workshop on Engineering Applications. [S. l.]: IEEE Press, 2012: 1-6. [12] 张学工. 关于统计学习理论与支持向量机[J]. 自动化学报, 2000, 26(1): 32-42. 编辑金胡考

[1]	徐龙壮, 彭力, 朱凤增. 多任务金字塔重叠匹配的行人重识别方法[J]. 计算机工程, 2021, 47(1): 239-245,254.
[2]	陈泽, 叶学义, 钱丁炜, 魏阳洋. 基于改进Faster R-CNN的小尺度行人检测[J]. 计算机工程, 2020, 46(9): 226-232,241.
[3]	生龙, 马建飞, 杨瑞欣, 吴迪. 基于特征交换的CNN图像分类算法研究[J]. 计算机工程, 2020, 46(9): 268-273.
[4]	赵亚南, 刘渊, 宋设. 融合多头自注意力机制的金融新闻极性分析[J]. 计算机工程, 2020, 46(8): 85-92.
[5]	汤宇豪, 毛启容, 高利剑. 基于层次注意力机制的维度情感识别方法[J]. 计算机工程, 2020, 46(6): 65-72.
[6]	马震环, 高洪举, 雷涛. 基于增强特征融合解码器的语义分割算法[J]. 计算机工程, 2020, 46(5): 254-258,266.
[7]	张驰, 谭南林, 李国正, 苏树强. 基于多级特征的红外图像行人检测算法[J]. 计算机工程, 2020, 46(4): 260-265.
[8]	张传伟, 曾虹钧, 杨萌月, 李波, 陈尚瑞. 基于多分辨率滤波通道的多尺度行人检测[J]. 计算机工程, 2020, 46(2): 235-241.
[9]	王艺皓, 丁洪伟, 李波, 杨志军, 杨俊东. 复杂场景下基于改进YOLOv3的口罩佩戴检测算法[J]. 计算机工程, 2020, 46(11): 12-22.
[10]	高宁化, 王姮, 冯兴华. 基于动态模糊决策树的心电信号分类方法[J]. 计算机工程, 2020, 46(1): 80-86.
[11]	李金蔓, 汪剑鸣, 金光浩. 融合主观性与共识性信息的人脸吸引力预测[J]. 计算机工程, 2019, 45(8): 224-229.
[12]	官洪运, 欧阳江坤, 杨益伟, 吴炜. 基于特征融合的改进LCT跟踪算法[J]. 计算机工程, 2019, 45(8): 241-247.
[13]	单礼岩, 李新伟. 基于时空信息特征融合的视频指纹算法[J]. 计算机工程, 2019, 45(8): 260-265,274.
[14]	李熙莹, 周智豪, 邱铭凯. 基于部件融合特征的车辆重识别算法[J]. 计算机工程, 2019, 45(6): 12-20.
[15]	张文涛,许治国,郑霖,杨超. 基于深度自编码多维特征融合的慢动目标检测[J]. 计算机工程, 2019, 45(5): 143-148,154.

改进型WLD与LBP特征融合的行人检测

Pedestrian Detection Fused with Improved WLD and LBP Feature

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10