基于改进的Adaboost和LBP危险物品检测算法研究

• 作者: 吴雪冰 牛道鸿 王芳 马晓东
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 危险物品检测 Adaboost算法 LBP特征 HSV颜色空间 级联分类器 救援机器人
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 图像处理
• 页码范围: 122-126
• 页数: 5页
• 分类号: TP391.4
• 字数: 2106字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.02.024

摘要

针对目前由于环境亮度、光照等多种干扰因素影响,导致对危险物品检测正确率下降的问题,提出一种利用Ada-boost和LBP的危险物品检测改进算法,实现了提高正确率和快速识别的目的.该改进算法在训练阶段加入对正样本的HSV颜色空间分类,从而提高了级联分类器的检测效率,同时结合改进的LBP算法进行特征值的提取.相比于传统的物体检测方法,将检测正确率提高了2个百分点,达到93.29％.最后将该算法移植到救援机械臂工作平台,实验结果表明,该改进检测算法在实际环境检测中能够准确、快速地识别危险物品,训练效率明显,同时在不同光照亮度条件下具有良好的鲁棒性,满足实用性要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王芳	河南师范大学电子与电气工程学院	77	256	8.0	13.0
3	吴雪冰	河南师范大学电子与电气工程学院	23	135	5.0	11.0
6	马晓东	河南师范大学电子与电气工程学院	3	12	1.0	3.0
7	牛道鸿	河南师范大学电子与电气工程学院	3	1	1.0	1.0