基于Gabor特征与卷积神经网络的人体轮廓提取

• 作者: 王林 董楠
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 人体轮廓提取 Gabor特征 卷积神经网络 图像处理 深度学习 VOC2012数据集
• 年，卷（期）: 2018,（1）
• 页码范围: 89-95
• 页数: 7页
• 分类号: TP391
• 字数: 3571字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2018.42.01.013

摘要

为解决传统方法无法精确分割单幅图像中人体轮廓的问题,提出一种将Gabor小波特征与卷积神经网络结合的人体轮廓提取方法.首先计算人体图像8个方向的Gabor特征,并将计算结果传入改进的卷积神经网络进行人物模型训练;再将待测图像计算Gabor特征后传入人物模型进行检测,从而输出人物掩膜;对掩膜进行形态学处理并同原图像进行相与操作,最终得到人体轮廓.经VOC2012数据集上测试,该人体轮廓提取方法的准确度高达96%.实验结果表明,通过将传统特征提取方法与深度学习的特征学习方法相结合,不但提高了特征学习的速度还提高了检测的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王林	西安理工大学自动化与信息工程学院	74	1063	14.0	31.0
2	董楠	西安理工大学自动化与信息工程学院	3	22	2.0	3.0