基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
行人检测算法是利用行人的特征结合分类器对图片中是否有行人进行判断的方法。文中基于传统的HOG行人特征检测方法以及Adaboost分类器思想,改进了行人检测算法。使用多尺度的HOG特征对图片的检测区域进行特征提取,并采用级联的Adaboost分类器结合对应尺度的特征进行分类判断,将判断结果输入下一级分类器中继续进行分类判断,最终实现区域内有无人的检测。实验结果表明多尺度下的级联分类器能够更加有效地筛选出行人区域,在计算时间小幅增加的情况下,很大地提高了检测精度。
推荐文章
基于机器学习的级联行人检测方法研究
行人检测
选择性搜索
机器学习
误检率
漏检率
基于ACF与PCANet改进通道特征的级联行人检测
行人检测
聚合通道特征算法
积分通道特征
卷积网络
主成分分析
自动学习
特征金字塔融合的多模态行人检测算法
行人检测
多模态
特征金字塔
特征融合
多尺度级联R-FCN的尾灯检测算法研究
车辆尾灯检测
基于区域的全卷积网络(R-FCN)
级联网络
多尺度特征融合
批次归一化
非极大值抑制
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 多尺度级联行人检测算法的研究与实现
来源期刊 计算机技术与发展 学科 工学
关键词 行人检测 方向梯度直方图 多尺度 级联Adaboost
年,卷(期) 2014,(8) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 10-13
页数 4页 分类号 TP301.6
字数 3560字 语种 中文
DOI 10.3969/j.issn.1673-629X.2014.08.0003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李杨 四川大学电子信息学院 67 265 9.0 12.0
2 熊淑华 四川大学电子信息学院 78 385 8.0 18.0
3 熊文 四川大学电子信息学院 3 142 3.0 3.0
4 李梦涵 四川大学电子信息学院 2 9 2.0 2.0
5 魏育才 四川大学电子信息学院 2 9 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (4)
参考文献  (5)
节点文献
引证文献  (5)
同被引文献  (10)
二级引证文献  (18)
1985(1)
  • 参考文献(1)
  • 二级参考文献(0)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(4)
  • 引证文献(2)
  • 二级引证文献(2)
2016(3)
  • 引证文献(1)
  • 二级引证文献(2)
2017(5)
  • 引证文献(2)
  • 二级引证文献(3)
2018(6)
  • 引证文献(0)
  • 二级引证文献(6)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
行人检测
方向梯度直方图
多尺度
级联Adaboost
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导