基于非局部稀疏特征的行人检测方法

doi:10.12068/j.issn.1005-3026.2015.04.003

东北大学学报:自然科学版 ›› 2015, Vol. 36 ›› Issue (4): 465-468.DOI: 10.12068/j.issn.1005-3026.2015.04.003

基于非局部稀疏特征的行人检测方法

彭怡书，颜云辉，赵久梁，张尧

(东北大学机械工程与自动化学院，辽宁沈阳110819)

收稿日期:2014-03-23 修回日期:2014-03-23 出版日期:2015-04-15 发布日期:2014-11-07
通讯作者: 彭怡书
作者简介:彭怡书(1985-)，男，湖南郴州人，东北大学博士研究生；颜云辉(1960-)，男，江苏丹阳人，东北大学教授，博士生导师.
基金资助:
国家自然科学基金资助项目(51374063)；中央高校基本科研业务费专项资金资助项目(N120603003).

Pedestrian Detection Based on Nonlocal Sparse Feature

PENG Yi-shu， YAN Yun-hui， ZHAO Jiu-liang， ZHANG Yao

School of Mechanical Engineering & Automation， Northeastern University， Shenyang 110819， China.

Received:2014-03-23 Revised:2014-03-23 Online:2015-04-15 Published:2014-11-07
Contact: PENG Yi-shu
About author:-
Supported by:
-

摘要/Abstract

摘要： 利用周围邻域信息约束进行加权稀疏表示以达到行人检测的目的.采用Fisher判别字典学习的方法，得到一个能够更好地提取图像的具有更强辨别性稀疏特征的字典，利用图像中周围信息约束，求得该字典表示下的稀疏特征，并根据对当前图像块的稀疏表示残差进行分类.INRIA数据库的实验表明非局部稀疏特征具有明显的区分能力.同时，对行人目标进行邻域约束，能够有效地表示出同目标区域的稀疏特征.

关键词: 行人检测, 非局部, 稀疏表示, 判别字典, 优化配矿

Abstract: By using the constraints around the neighborhoods for weighted sparse representation， the pedestrian detection problem was solved. A dictionary with a strong extracting discriminate and sparse features power was obtained by using the Fisher discriminant dictionary learning method. With the constraint of the neighborhoods， the image patch was represented as a sparse feature via the dictionary. By computing the representation of the residuals and comparing the residuals with a threshold， the patch label was determined to finish the classification task. The experiments on INRIA person datasets showed that non-local sparse feature has an obvious power of discrimination. The constraint of the neighborhoods makes the sparse feature represented effectively.

Key words: pedestrian detection, nonlocal, sparse representation, discriminate dictionary；optimization ore matching

中图分类号:

TP391.41

彭怡书，颜云辉，赵久梁，张尧. 基于非局部稀疏特征的行人检测方法[J]. 东北大学学报:自然科学版, 2015, 36(4): 465-468.

PENG Yi-shu， YAN Yun-hui， ZHAO Jiu-liang， ZHANG Yao. Pedestrian Detection Based on Nonlocal Sparse Feature[J]. Journal of Northeastern University Natural Science, 2015, 36(4): 465-468.

参考文献

[1]Dalal N，Triggs B.Histograms of oriented gradients for human detection［C］// Proceedings of IEEE Conference on Computer Vision and Pattern Recognition.San Diego，2005:886-893.
[2]苏志松，李绍滋，陈淑媛，等.行人检测技术综述［J］.电子学报，2012，40(4):814-820.( Su Zhi-song，Li Shao-zi，Chen Shu-yuan，et al.A survey on pedestrian detection［J］.Acta Electronica Sinica，2012，40(4):814-820.)
[3]Oren M，Papageorgiou C，Sinha P.Pedestrian detection using wavelet templates［C］//IEEE Conference on Computer Vision and Pattern Recognition.Puerto Rico，1997:193-199.
[4]Viola P，Jones M，Snow D.Detecting pedestrians using patterns of motion and appearance［C］//IEEE International Conference on Computer Vision.Nice，2003:734-741.
[5]Xu J L，Vazquez D，Lopez A M，et al.Learning a part-based pedestrian detector in a virtual world［J］.IEEE Transactions on Intelligent Transportation Systems，2014，15(5):2121-2131.
[6]Elad M，Aharon M.Image denosing via sparse and redundant representations over learned dictionaries［J］.IEEE Transactions on Image Processing，2006，15(12):3736-3745.
[7]Wright J，Ganesh A，Yang A，et al.Robust face recognition via sparse representation［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2009，31(2):210-227.
[8]Yang J C，Wright J，Huang T S，et al.Image super-resolution via sparse representation［J］.IEEE Transactions on Image Processing，2010，19(11):2861-2873.
[9]Pati Y C，Rezaiifa R，Krishnaprasad P S.Orthogonal matching pursuit:recursive function approximation with applications to wavelet decomposition［C］//The Twenty-Seventh Asilomar Conference on Signals，Systems and Computers.Pacific Grove，1993:40-43.
[10]Yang M，Zhang L，Feng X C，et al.Fisher discrimination dictionary learning for sparse representation［C］//IEEE Conference on Computer Vision.Barcelona，2011:543-550.

基于非局部稀疏特征的行人检测方法

Pedestrian Detection Based on Nonlocal Sparse Feature

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 10

编辑推荐

Metrics

本文评价

[1]	王璐，王帅，张国峰，徐礼胜. 基于语义分割注意力与可见区域预测的行人检测方法[J]. 东北大学学报（自然科学版）, 2021, 42(9): 1261-1267.
[2]	刘琼，罗晴，彭绍武. 车载热成像行人检测RoI提取方法[J]. 东北大学学报:自然科学版, 2020, 41(8): 1083-1090.
[3]	石春鹤，吴成东. 基于加权稀疏非负矩阵分解的车脸识别算法[J]. 东北大学学报:自然科学版, 2019, 40(10): 1376-1381.
[4]	朴春赫，潘怡霖，赵海，朱宏博. 基于改进ViBe的多行人检测方法[J]. 东北大学学报:自然科学版, 2016, 37(4): 481-485.
[5]	周密，杨松陶，姜涛，薛向欣. DMF铁矿粉在含铬型钒钛混合料烧结中的应用[J]. 东北大学学报:自然科学版, 2015, 36(4): 508-512.
[6]	杨松陶，周密，姜涛，薛向欣. 基础特性对含铬型钒钛烧结矿粉化性能的影响[J]. 东北大学学报:自然科学版, 2015, 36(4): 498-502.
[7]	张勇，周密，储满生，薛向欣. 高铬型钒钛磁铁矿烧结试验[J]. 东北大学学报(自然科学版), 2013, 34(3): 383-387.
[8]	杜瑞燕;汪晋宽;刘福来;. 基于压缩感知理论的频偏估计算法[J]. 东北大学学报(自然科学版), 2012, 33(7): 938-940+944.
[9]	杨旗;薛定宇;崔建江;. 基于稀疏表示的步态识别[J]. 东北大学学报(自然科学版), 2012, 33(1): 43-46.
[10]	张铁. 一个非局部抛物问题的数值方法[J]. 东北大学学报:自然科学版, 1998, 19(1): 4--.