MỘT KỸ THUẬT PHÁT HIỆN NGƯỜI ĐI BỘ DỰA TRÊN ĐẶC TRƯNG CHUYỂN ĐỘNG | Thái | TNU Journal of Science and Technology

MỘT KỸ THUẬT PHÁT HIỆN NGƯỜI ĐI BỘ DỰA TRÊN ĐẶC TRƯNG CHUYỂN ĐỘNG

Thông tin bài báo

Ngày nhận bài: 02/03/20                Ngày hoàn thiện: 05/05/20                Ngày đăng: 11/05/20

Các tác giả

1. Vũ Đức Thái, Trường Đại học Công nghệ Thông tin và Truyền thông – ĐH Thái Nguyên
2. Dương Thị Nhung Email to author, Trường Đại học Công nghệ Thông tin và Truyền thông – ĐH Thái Nguyên
3. Ngô Đức Vĩnh, Trường Đại học Công nghiệp Hà Nội
4. Phùng Thế Huân, Trường Đại học Công nghệ Thông tin và Truyền thông – ĐH Thái Nguyên

Tóm tắt


Phát hiện người đi bộ là vấn đề quan trọng trong nhiều bài toán ứng dụng của lĩnh vực xử lý ảnh, ví dụ như giám sát giao thông, phát hiện đột nhập, xe tự hành… Trong bài báo này, chúng tôi trình bày một kỹ thuật phát hiện người đi bộ dựa trên đặc trưng Haar mở rộng, kết hợp với các bộ phân lớp yếu được thực hiện dựa trên thuật toán Adaboost để đưa ra quyết định. Các đặc trưng này được tính toán dựa trên yếu tố chuyển động bởi sự sai khác giữa các cặp ảnh theo thời gian. Kỹ thuật đã được thử nghiệm và chứng tỏ được sự hiệu quả trên cơ sở dữ liệu PETS 2001 và một số dữ liệu thu tại Trường Đại học Thông tin Truyền thông – Đại học Thái Nguyên.

Từ khóa


Phát hiện người đi bộ; Haar; Haar-like; Haar wavelet; Adaboost…

Toàn văn:

PDF

Tài liệu tham khảo


[1]. C. Papageorgiou, and T. Poggio, “A Trainable System for Object Detection,” Int’l J. Computer Vision, vol. 38, no. 1, pp. 15-33, 2000.

[2]. N. Dalal, and B. Triggs, “Histograms of Oriented Gradients for Human Detection,” Proc. IEEE Conf. Computer Vision and Pattern Recognition, 2005, pp. 20-25.

[3]. Q. Zhu, S. Avidan, M. Yeh, and K. Cheng, “Fast Human Detection Using a Cascade of Histograms of Oriented Gradients,” Proc. IEEE Conf. Computer Vision and Pattern Recognition, 2006, pp. 1491-1498.

[4]. F. M. Porikli, “Integral Histogram: A Fast Way to Extract Histograms in Cartesian Spaces,” Proc. IEEE Conf. Computer Vision and Pattern Recognition, 2005, pp. 1-11.

[5]. Z. Shanshan et al., "Towards reaching human performance in pedestrian detection," IEEE transactions on pattern analysis and machine intelligence, vol. 40, no. 4, pp. 973-986, 2017.

[6]. M. Jiayuan et al., "What can help pedestrian detection?" Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2017, pp. 3127-3136.

[7]. D. M. Gavrila, “A Bayesian, Exemplar-Based Approach to Hierarchical Shape Matching,” IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 29, no. 8, pp. 1408-1421, 2007.

[8]. B. Wu, and R. Nevatia, “Detection of Multiple, Partially Occluded Humans in a Single Image by Bayesian Combination of Edgelet Part Detectors,” Proc. 10th IEEE Int’l Conf. Computer Vision, 2005, pp. 90-97.

[9]. P. Sabzmeydani, and G. Mori, “Detecting Pedestrians by Learning Shapelet Features,” Proc. IEEE Conf. Computer Vision and Pattern Recognition, 2007, pp. 1093-1099.

[10]. P. A. Viola, M. J. Jones, and D. Snow, “Detecting Pedestrians Using Patterns of Motion and Appearance,” Int’l J. Computer Vision, vol. 63, no. 2, pp. 153-161, 2005.

[11]. Y. Freund and R. E. Schapire, “A decision-theoretic generalization of online learning and an application to boosting,” Journal of Computer and System Sciences, vol. 55, no. 1, pp. 119-139, 1997.

[12]. V. Paul, and M. Jones, "Rapid object detection using a boosted cascade of simple features," Proceedings of the 2001 IEEE Computer Society Conference on, IEEE, 2001, vol. 1, pp. 511-518.

[13]. PETS, “Dataset,” 2001. [Online]. Available: http://www.cvg.reading.ac.uk/PETS2001/pets2001-dataset.html. [Accessed Nov. 10, 2019].


Các bài báo tham chiếu

  • Hiện tại không có bài báo tham chiếu
Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên
Phòng 408, 409 - Tòa nhà Điều hành - Đại học Thái Nguyên
Phường Tân Thịnh - Thành phố Thái Nguyên
Điện thoại: 0208 3840 288 - E-mail: jst@tnu.edu.vn
Phát triển trên nền tảng Open Journal Systems
©2018 All Rights Reserved