低计算资源上的实时行人识别
计算机视觉与模式识别
2023-09-06 v1
摘要
行人识别已成功应用于安防、自动驾驶汽车、航拍照片等领域。对大多数应用而言，在小型移动设备上进行行人识别十分重要。然而，计算硬件的限制使该任务颇具挑战性。在本工作中，我们研究在具有低计算资源的小型物理尺寸计算机上以实现更快速度的实时行人识别。本文提出了三种可在小型物理尺寸 CPU 系统上运行的方法。首先，我们改进了局部二值模式（LBP）特征与 Adaboost 分类器。其次，我们优化了方向梯度直方图（HOG）与支持向量机。第三，我们实现了快速卷积神经网络（CNNs）。结果表明，这三种方法在 1.8 GHz Intel i5 CPU 的小型物理尺寸计算平台上以超过 95% 的准确率和超过 5 fps 的速度实现了实时行人识别。我们的方法可轻松应用于小型移动设备，具有高兼容性与通用性。
引用
@article{arxiv.2309.01353,
title = {Real-time pedestrian recognition on low computational resources},
author = {Guifan Weng},
journal= {arXiv preprint arXiv:2309.01353},
year = {2023}
}