应用于行人检测的HLBP与CHLBP纹理特征

程如中¹, 张永军^2,†, 李晶晶¹, 汪国平¹, 雷凯¹, 赵勇¹

1. 北京大学深圳研究生院信息工程学院, 深圳 518055
2. 贵州大学计算机科学与技术学院, 贵阳 550025

收稿日期:2017-07-21修回日期:2017-09-10出版日期:2018-09-20

基金资助:贵州大学引进人才科研基金(贵大人基合字(2016) 49 号)资助

The HLBP and CHLBP Features for Pedestrian Detection

CHENG Ruzhong¹, ZHANG Yongjun^2,†, LI Jingjing¹, WANG Guopin¹, LEI Kai¹, ZHAO Yong¹

1. School of Electronic and Computer Engineering, Peking University Shenzhen Graduate School, Shenzhen 518055
2. College of Computer Science and Technology, Guizhou University, Guiyang 550025

Received:2017-07-21Revised:2017-09-10Published:2018-09-20

RichHTML

0

PDF

(11351KB)

可视化

0

复制本文网址

1. 探讨2016版国际胰瘘研究小组定义和分级系统对胰腺术后患者胰瘘分级的影响.PDF(500KB)

-->

摘要/Abstract

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。
中图分类号:
-->P312

引用本文

程如中, 张永军, 李晶晶, 汪国平, 雷凯, 赵勇. 应用于行人检测的HLBP与CHLBP纹理特征[J]. 北京大学学报自然科学版, 2018, 54(5): 935-945.
CHENG Ruzhong, ZHANG Yongjun, LI Jingjing, WANG Guopin, LEI Kai, ZHAO Yong. The HLBP and CHLBP Features for Pedestrian Detection[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2018, 54(5): 935-945.





PDF全文下载地址:

http://xbna.pku.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3120