线性支持张量机：热红外图像中的行人检测
计算机视觉与模式识别
2017-08-02 v1
摘要
由于图像的低分辨率和噪声特性，热红外图像中的行人检测面临独特的挑战。在此，我们提出一种以多维模板或张量形式表示的中层属性，使用局部导向核（LSK）作为低层描述符，用于在远红外图像中检测行人。LSK 专门设计用于通过简明地捕捉局部图像几何特征而非收集局部方向统计信息（例如 HOG 中的直方图）来处理固有的图像噪声和像素级不确定性。我们的第二个贡献是在支持向量机广受欢迎的最大间隔框架中引入了一种新的图像相似性核，这使得构建刚性行人检测器的训练阶段相对简短且简单。我们的第三个贡献是用多通道离散傅里叶变换取代了缓慢但事实标准的基于滑动窗口的检测方法，从而实现了非常快速高效的行人定位。在公开可用的热红外图像上的实验研究验证了我们的提议和模型假设。此外，本项工作还包括发布我们对 OSU Color Thermal 数据库中超过 17000 帧图像的内部行人标注，以供研究社区共享。
引用
@article{arxiv.1609.07878,
title = {Linear Support Tensor Machine: Pedestrian Detection in Thermal Infrared Images},
author = {Sujoy Kumar Biswas and Peyman Milanfar},
journal= {arXiv preprint arXiv:1609.07878},
year = {2017}
}