使用中心对称局部二值/三值模式进行高效行人检测
计算机视觉与模式识别
2010-09-20 v2
摘要
在图像中准确检测行人在许多计算机视觉应用中发挥着至关重要的作用。提取有效特征是完成该任务的关键。优良的特征应具备区分度高、对各种变化鲁棒且易于计算的特点。在本研究中，我们提出了用于行人检测的新特征，称为密集中心对称局部二值模式（CS-LBP）和金字塔中心对称局部二值/三值模式（CS-LBP/LTP）。由 Ojala 等人 \cite{c4} 提出的标准 LBP 主要捕获纹理信息。相比之下，本文提出的 CS-LBP 特征捕获了梯度信息和部分纹理信息。此外，所提出的密集 CS-LBP 和金字塔 CS-LBP/LTP 易于实现且计算高效，这对于实时应用是非常理想的。在 INRIA 行人数据集上的实验表明，结合线性支持向量机（SVMs）的密集 CS-LBP 特征与结合线性 SVMs 的方向梯度直方图（HOG）特征性能相当，而金字塔 CS-LBP/LTP 特征则优于结合线性 SVMs 的 HOG 特征以及结合直方图交叉核 SVMs 的最先进金字塔 HOG（PHOG）特征。我们还证明了，将我们的金字塔 CS-LBP 特征与 PHOG 特征相结合可以显著提升检测性能，在 INRIA 行人数据集上取得了当前最优的准确率。
引用
@article{arxiv.1009.0892,
title = {Effective Pedestrian Detection Using Center-symmetric Local Binary/Trinary Patterns},
author = {Yongbin Zheng and Chunhua Shen and Richard Hartley and Xinsheng Huang},
journal= {arXiv preprint arXiv:1009.0892},
year = {2010}
}
备注
11 pages