[1]朱天明,刘 凯,刘豪志.基于改进ＢＩＮＧ 模型和边缘信息的行人检测算法[J].机械与电子,2019,(06):59-63.
　,Pedestrian Detection Algorithm Based on Improved BING Model and Edge Information[J].Machinery & Electronics,2019,(06):59-63.
点击复制

基于改进ＢＩＮＧ 模型和边缘信息的行人检测算法()
分享到：

机械与电子[ISSN:1001-2257/CN:52-1052/TH]

卷:
期数:
2019年06期
页码:
59-63
栏目:
智能工程
出版日期:
2019-06-24

文章信息/Info

Title:
Pedestrian Detection Algorithm Based on Improved BING Model and Edge Information
文章编号:
１００１- ２２５７（２０１９）０６- ００５９- ０５
作者:
朱天明; 刘 凯; 刘豪志
南京航空航天大学机电学院，江苏 南京 ２１００１６
Author(s):
ＺＨＵＴｉａｎｍｉｎｇ; ＬＩＵＫａｉ; ＬＩＵＨａｏｚｈｉ
ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓａｎｄＡｓｔｒｏｎａｕｔｉｃｓ，Ｎａｎｊｉｎｇ２１００１６，Ｃｈｉｎａ
关键词:
行人检测; ＢＩＮＧ 模型; 边缘信息; ＨＯＧ 特征
Keywords:
ｐｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎ; ＢＩＮＧ ｍｏｄｅｌ; ｅｄｇｅｉｎｆｏｒｍａｔｉｏｎ; ＨＯＧｆｅａｔｕｒｅ
分类号:
ＴＰ３９１.４１
文献标志码:
A
摘要:
针对行人检测中传统多尺度滑动窗口遍历搜索计算量大，计算速度慢的问题，提出了一种基于改进 ＢＩＮＧ 模型和边缘信息的行人检测算法。首先，通过样本采样规则的确定、样本阈值的选择和搜索尺度空间的优化对 ＢＩＮＧ 似物检测模型进行了改进；然后，针对提取的候选框存在偏移的问题，提出了基于边缘信息的候选框位置矫正方法；最后，利用经典的 ＨＯＧ ＳＶＭ 行人检测算法，对提取的行人候选框进行最终的行人识别。实验结果表明，该算法在保证行人检测率的前提下有效提高了行人检测的实时性。
Abstract:
Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｏｆｌａｒｇｅｃｏｍｐｕｔａｔｉｏｎａｌｃｏｍｐｌｅｘｉｔｙａｎｄｓｌｏｗｃａｌｃｕｌａｔｉｏｎｓｐｅｅｄｉｎｔｒａｄｉｔｉｏｎａｌｍｕｌｔｉ ｓｃａｌｅｓｌｉｄｉｎｇｗｉｎｄｏｗｔｒａｖｅｒｓａｌｓｅａｒｃｈｉｎｐｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎ，ａｐｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＢＩＮＧｍｏｄｅｌａｎｄｅｄｇｅｉｎｆｏｒｍａｔｉｏｎｗａｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｔｈｅＢＩＮＧｓｉｍｉｌａｒｉｔｙｄｅｔｅｃｔｉｏｎ ｍｏｄｅｌｗａｓｉｍｐｒｏｖｅｄｔｈｒｏｕｇｈｔｈｅｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｓａｍｐｌｉｎｇｒｕｌｅｓ，ｔｈｅｓｅｌｅｃｔｉｏｎｏｆｓａｍｐｌｅｔｈｒｅｓｈｏｌｄｓａｎｄ
ｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｏｆｓｅａｒｃｈｓｃａｌｅｓｐａｃｅ．Ｔｈｅｎ，ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｏｆｔｈｅｏｆｆｓｅｔｏｆｔｈｅｅｘｔｒａｃｔｅｄｃａｎｄｉｄａｔｅ ｂｏｘ，ａｍｅｔｈｏｄｏｆｃｏｒｒｅｃｔｉｎｇｔｈｅｐｏｓｉｔｉｏｎｏｆｔｈｅｃａｎｄｉｄａｔｅｂｏｘｂａｓｅｄｏｎｅｄｇｅｉｎｆｏｒｍａｔｉｏｎｗａｓｐｒｏｐｏｓｅｄ．Ｆｉｎａｌｌｙ，ｔｈｅｆｉｎａｌｐｅｄｅｓｔｒｉａｎｒｅｃｏｇｎｉｔｉｏｎｗａｓｐｅｒｆｏｒｍｅｄｏｎｔｈｅｅｘｔｒａｃｔｅｄｐｅｄｅｓｔｒｉａｎｃａｎｄｉｄａｔｅｆｒａｍｅｂｙｕｓｉｎｇ ｔｈｅｃｌａｓｓｉｃａｌＨＯＧ ＳＶＭｐｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍｃａｎｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｔｈｅｒｅａｌ ｔｉｍｅｐｅｒｆｏｒｍａｎｃｅｏｆｐｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎｏｎｔｈｅｐｒｅｍｉｓｅｏｆｅｎｓｕｒｉｎｇｔｈｅｐｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎｒａｔｅ．

参考文献/References:

［１］ ＰａｐａｇｅｏｒｇｉｏｕＣＰ，ＯｒｅｎＭ，ＰｏｇｇｉｏＴ．Ａｇｅｎｅｒａｌｆｒａｍｅｗｏｒｋｆｏｒ ｏｂｊｅｃｔ ｄｅｔｅｃｔｉｏｎ［Ｃ］／／Ｓｉｘｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ

Ｃｏｎｆｅｒｅｎｃｅｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ．Ｗａｓｈｉｎｇｔｏｎ：ＩＥＥＥ，１９９８：５５５- ５６２．
［２］ ＭｕＹ，ＹａｎＳ，ＬｉｕＹ，ｅｔａｌ．Ｄｉｓｃｒｉｍｉｎａｔｉｖｅｌｏｃａｌｂｉｎａｒｙｐａｔｔｅｒｎｓｆｏｒ ｈｕｍａｎ ｄｅｔｅｃｔｉｏｎｉｎ ｐｅｒｓｏｎａｌａｌｂｕｍ［Ｃ］／／ＩＥＥＥＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ．Ｗａｓｈｉｎｇｔｏｎ：ＩＥＥＥ，２００８：１- ８．
［３］ ＷａｎｇＸ，ＨａｎＴ Ｘ，ＹａｎＳ．Ａｎ ＨＯＧ ＬＢＰｈｕｍａｎｄｅｔｅｃｔｏｒ ｗｉｔｈ ｐａｒｔｉａｌｏｃｃｌｕｓｉｏｎ ｈａｎｄｌｉｎｇ［Ｃ］／／ＩＥＥＥ １２ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ．Ｗａｓｈｉｎｇｔｏｎ：ＩＥＥＥ，２００９：３２- ３９．
［４］ ＤａｌａｌＮ，ＴｒｉｇｇｓＢ．Ｈｉｓｔｏｇｒａｍｓｏｆｏｒｉｅｎｔｅｄｇｒａｄｉｅｎｔｓ ｆｏｒｈｕｍａｎ ｄｅｔｅｃｔｉｏｎ［Ｃ］／／ＩＥＥＥ ＣｏｍｐｕｔｅｒＳｏｃｉｅｔｙ ＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ．Ｗａｓｈｉｎｇｔｏｎ：ＩＥＥＥ，２００５：８８６- ８９３．
［５］ ＤｏｌｌáｒＰ，ＴｕＺ，ＰｅｒｏｎａＰ，ｅｔａｌ．Ｉｎｔｅｇｒａｌｃｈａｎｎｅｌｆｅａｔｕｒｅｓ［Ｃ］／／Ｂｒｉｔｉｓｈ ＭａｃｈｉｎｅＶｉｓｉｏｎＣｏｎｆｅｒｅｎｃｅ，２００９：
５５６- ５６７．
［６］ ＦｅｌｚｅｎｓｚｗａｌｂＰＦ，ＧｉｒｓｈｉｃｋＲＢ，ＭｃＡｌｌｅｓｔｅｒＤ．Ｃａｓｃａｄｅｏｂｊｅｃｔ ｄｅｔｅｃｔｉｏｎ ｗｉｔｈ ｄｅｆｏｒｍａｂｌｅ ｐａｒｔ ｍｏｄｅｌｓ［Ｃ］／／ＩＥＥＥＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ（ＣＶＰＲ）．Ｗａｓｈｉｎｇｔｏｎ：ＩＥＥＥ，２０１０：２２４１- ２２４８．
［７］ 陈锐，王敏，陈肖．基于 ＰＣＡ 降维的 ＨＯＧ 与 ＬＢＰ融
合的行人检测［Ｊ］．信息技术，２０１５（２）：１０１- １０５．
［８］ ＰｒａｓａｎｎａＤ，ＰｒａｂｈａｋａｒＭ．ＡｎｅｆｆｉｅｃｉｅｎｔｈｕｍａｎｔｒａｃｋｉｎｇｓｙｓｔｅｍｕｓｉｎｇＨａａｒ ｌｉｋｅａｎｄｈｏｇｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ ［Ｊ］．ＣｌｕｓｔｅｒＣｏｍｐｕｔｉｎｇ，２０１８（１１）：１- ８．
［９］ ＣｈｅｎｇＭ Ｍ，ＺｈａｎｇＺ，ＬｉｎＷ Ｙ，ｅｔａｌ．ＢＩＮＧ：Ｂｉｎａｒｉｚｅｄ ｎｏｒｍｅｄ ｇｒａｄｉｅｎｔｓｆｏｒｏｂｊｅｃｔｎｅｓｓｅｓｔｉｍａｔｉｏｎ ａｔ ３００ｆｐｓ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ，２０１４：３２８６- ３２９３．
［１０］ 罗诗途，罗飞路，张屺，等．基于梯度调整的矩不变自动阈值图像分割算法［Ｊ］．电子技术应用，２００４，３０（６）：１１-
 １３．
［１１］ 赵文清，严海，邵绪强．改进的非极大值抑制算法的目标检 测 ［Ｊ］．中 国 图 象 图 形 学 报，２０１８，２３（１１）：
１６７６- １６８５．

相似文献/References:

[1]邱超,张印辉,王杰琼,等.混合特征行人检测算法[J].机械与电子,2016,(03):9.
　QIU Chao,ZHANG Yinhui,WANG Jieqiong,et al.Pedestrian Detection Based on Mixed Features[J].Machinery & Electronics,2016,(06):9.

备注/Memo

备注/Memo:
收稿日期：２０１９- ０１- １８
基金项目：国家自然科学基金资助项目（５１４０５２２９）；江苏省自然科学基金资助项目（ＢＫ２０１５１４７０）
作者简介：朱天明 （１９９２－），男，江苏泰州人，硕士研究生，研究方向为机器视觉、数字图像处理等；刘 凯 （１９８１－），男，江苏淮安人，博士，副教授，研究方向为仿生机器人、数控技术等，通信作者。
更新日期/Last Update: 2019-10-24