李路
- 作品数：2 被引量：31H指数：2
- 供职机构：浙江工业大学计算机科学与技术学院、软件学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于滑动窗口优化算法的行人检测算法被引量：11
- 2015年
- 行人检测是计算机视觉中的关键技术之一,在智能交通领域有大量实际应用,如何在提高行人检测精度的同时提高检测速度一直是研究的热点.首先采用基于高斯混合模型的背景建模方法分离出运动目标,将原始视频序列转换为二值图片,得到大量固定大小的训练样本;然后提取样本图片的HOG特征,通过SVM训练得到分类器;接着用固定大小的滑动窗口检测行人,并提出了一种滑动窗口优化算法来筛选检测结果;进而用前景像素密度估算方法调整检测结果,输出最终统计人数,最后实验表明方法的有效性.
- 邵奇可李路周宇颜世航
- 关键词：行人检测高斯混合模型HOG
- 复杂场景下自适应背景减除算法被引量：20
- 2015年
- 目的复杂场景下的背景减除是智能视频监控研究领域的研究重点和热点之一。针对混合高斯模型中高斯分布个数固定和参数初始化粗糙问题,提出一种应用于复杂场景中的基于混合高斯模型的自适应背景减除算法(AMGBS)。方法通过灰度值归类算法自适应调整模型的高斯分布个数,使得背景模型能够适应场景的变化,并且结合在线K均值(online K-means)算法和在线期望最大化(online EM)算法初始化混合高斯模型参数。结果针对灰度值统计结果调整高斯分布数,以及采用优化参数初始化过程,实验表明,本文方法的平均查准率和平均查全率比传统的混合高斯算法高出10%左右,比其他改进的混合高斯算法高出2%左右。结论提出一种新的自适应背景减除算法,针对灰度值统计结果调整高斯分布数,以及采用优化参数初始化过程。实验结果表明,该方法对复杂场景有较强的适应能力,能够有效快速地完成背景减除,进而实现运动目标的提取。
- 邵奇可周宇李路陈庆章
- 关键词：背景减除混合高斯模型ONLINEONLINEEM灰度值
