作者:
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:
复杂图像中对特定目标的检测和定位是机器视觉领域的难点之一。提出使用中层视觉元素描述检测目标,以建立权值模板图像;然后对目标图像和权值模板进行加权SIFT特征匹配得到最优匹配位置,从而实现目标检测。该方法以自行车为检测目标进行实验,检测率达到86%,优于传统SIFT-Ada Boost和HOG-SVM检测方法。实验结果表明该方法能够减少复杂图像中背景干扰的问题,对于不同姿态的目标进行检测也有较强的鲁棒性。
推荐文章
基于SIFT特征与预测的运动目标检测算法
目标检测
SIFT特征
旋转参数模型
动态场景
基于SIFT特征的前方车辆检测算法
车辆检测
尺度不变特征转换特征
对称
匹配
基于SIFT的区域复制窜改检测算法
区域复制窜改
SIFT算法
窜改检测
关键点
几何变换
基于SIFT特征与预测的运动目标检测算法
目标检测
SIFT特征
旋转参数模型
动态场景
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 基于加权SIFT特征的目标检测算法
来源期刊 现代计算机:中旬刊 学科 工学
关键词 目标检测 中层视觉元素 权值模板 SIFT
年,卷(期) xdjsjzxk_2017,(4) 所属期刊栏目
研究方向 页码范围 74-78
页数 5页 分类号 TP391.41
字数 语种
DOI
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 唐允恒 重庆大学计算机学院 4 4 1.0 2.0
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  (1)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
研究主题发展历程
节点文献
目标检测
中层视觉元素
权值模板
SIFT
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
现代计算机:中旬刊
月刊
1007-1423
44-1415/TP
广州市海珠区新港西路135号中山大学园B
46-205
出版文献量(篇)
9067
总下载数(次)
3
论文1v1指导