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:
根据CSLBP(center-symmetric local binary pattern)和Uniform LBP(local binary pattern)特征描述行人局部纹理互补性的特点,提出将二者级联的组合特征用于行人检测:基于灰度图像的纹理特征(hybrid local binary pattern,HLBP)和基于颜色空间的纹理特征(color based hybrid local binary pattern,CHLBP).实验结果表明,当FPPW=10–4时,HLBP特征的检测率为93.96%,与Uniform LBP和CSLBP特征相比分别提高3.46%和9.68%,基于颜色空间L′C′C′与HIKSVM分类器结合时的检测率高达98.58%.与传统的纹理特征检测方法相比,该特征提高了行人检测精度,降低了误检率,检测性能得到较大幅度的提升.
推荐文章
改进型HLBP纹理特征的行人检测
行人检测
图像纹理
IHLBP特征
二维离散Haar小波
支持向量机
基于HOG特征与SVM分类器的行人检测研究
行人检测
方向梯度直方图
支持向量机
基于自适应特征卷积网络的行人检测方法
行人检测
卷积神经网络
浅层细节特征
自适应特征
基于多特征的行人检测算法
行人检测
相位一致性特征
方向梯度直方图
局部二值模式算子
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 应用于行人检测的HLBP与CHLBP纹理特征
来源期刊 北京大学学报(自然科学版) 学科 地球科学
关键词 行人检测 基于灰度图像的纹理特征(HLBP) 基于颜色空间的纹理特征(CHLBP) HIKSVM
年,卷(期) 2018,(5) 所属期刊栏目 研究论文
研究方向 页码范围 935-945
页数 11页 分类号 P312
字数 6289字 语种 中文
DOI 10.13209/j.0479-8023.2018.017
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 赵勇 北京大学深圳研究生院信息工程学院 38 285 10.0 16.0
2 汪国平 北京大学深圳研究生院信息工程学院 53 944 16.0 30.0
3 雷凯 北京大学深圳研究生院信息工程学院 19 112 5.0 10.0
4 李晶晶 北京大学深圳研究生院信息工程学院 8 40 5.0 6.0
5 程如中 北京大学深圳研究生院信息工程学院 4 54 3.0 4.0
6 张永军 贵州大学计算机科学与技术学院 5 10 2.0 3.0
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  (3)
节点文献
引证文献  (4)
同被引文献  (3)
二级引证文献  (0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(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)
2019(4)
  • 引证文献(4)
  • 二级引证文献(0)
研究主题发展历程
节点文献
行人检测
基于灰度图像的纹理特征(HLBP)
基于颜色空间的纹理特征(CHLBP)
HIKSVM
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
北京大学学报(自然科学版)
双月刊
0479-8023
11-2442/N
16开
北京海淀北京大学校内
2-89
1955
chi
出版文献量(篇)
3152
总下载数(次)
8
总被引数(次)
52842
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导