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:
行人检测问题是目标检测领域的研究热点.常规的方法往往利用密集的窗口扫描方式获取待检测区域.这种方式计算开销大难以满足快速的行人检测要求.针对静止的单目摄像机拍摄的监控视频图像,研究了一种结合前景检测和深度学习的运动行人检测方法.利用前景检测方法提取出运动区域作为待检测目标,再利用深度卷积网络模型进行特征提取并结合支持向量机进行行人检测.实验结果表明,该方法相对于常规的窗口选择模式能够缩短十四倍的检测时间,并能达到每秒15帧的处理速度.可以满足系统实时性的要求,具有较强的工程应用性.
推荐文章
采用HOG特征和机器学习的 行人检测方法
行人检测
行人候选区域
梯度方向直方图
反向传播神经网络
Adaboost算法
一种改进的深度残差网络行人检测方法
行人识别
深度残差网络
YOLOv2
卷积神经网络
深度学习
基于图像融合的运动前景检测方法
前景检测
图像融合
背景减法
智能交通
基于双阈值运动区域分割的AdaBoost行人检测算法
双阈值运动区域分割
AdaBoost学习算法
Haar-like弱矩形特征
强分类器
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 结合前景检测和深度学习的运动行人检测方法
来源期刊 计算机与数字工程 学科 工学
关键词 行人检测 前景检测 深度学习 模式识别 支持向量机
年,卷(期) 2016,(12) 所属期刊栏目 信息融合
研究方向 页码范围 2396-2399
页数 4页 分类号 TP391.41
字数 3351字 语种 中文
DOI 10.3969/j.issn.1672-9722.2016.12.023
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 徐光柱 三峡大学计算机与信息学院 12 44 4.0 6.0
2 钟冲 三峡大学计算机与信息学院 1 9 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (7)
节点文献
引证文献  (9)
同被引文献  (5)
二级引证文献  (9)
1959(1)
  • 参考文献(1)
  • 二级参考文献(0)
1986(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(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)
2017(3)
  • 引证文献(3)
  • 二级引证文献(0)
2018(5)
  • 引证文献(1)
  • 二级引证文献(4)
2019(9)
  • 引证文献(4)
  • 二级引证文献(5)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
行人检测
前景检测
深度学习
模式识别
支持向量机
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
计算机与数字工程
月刊
1672-9722
42-1372/TP
大16开
武汉市东湖新技术开发区凤凰产业园藏龙北路1号
1973
chi
出版文献量(篇)
9945
总下载数(次)
28
总被引数(次)
47579
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导