基于并联SVM支持向量机训练HOG特征提取的人员目标提取

338 篇文章 738 订阅 ¥79.90 ¥99.00
本文介绍了基于并联SVM和支持向量机(SVM)训练的HOG特征提取方法来实现人员目标检测。首先,通过从不同场景和角度采集样本,提取HOG特征进行训练。然后,利用多级并联SVM结构,对每个场景进行独立识别,以提高识别准确率。程序示例展示了从视频中读取图像、训练样本、以及实际视频测试的流程。
摘要由CSDN通过智能技术生成

1.问题描述:

一:基于视频流的兴趣HOG特征提取

       由于,这里所涉及到的场景比较多,角度也比较多,而且你也没有提供合适的样本,所以采用单一的模板库无法提取到能够识别各个情况下的特征数据,针对这个情况,我们针对不同的场景,分别从视频中采集人员和非人员场景。采集到的样本量越大,最后同类场景的识别率就越高。

       这里,根据可不同的场景,采集不同的样本作为特征训练样本集。

       具体原理如下所示:

       通常情况下,样本库越大,最后得到的识别结果越精确,这也是一开始我说如果能不用模板的算法最好,因为对库的特征训练仿真时间非常长,通常要取得优异的识别跟踪效果,库往往需要10万个样本左右,

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

fpga和matlab

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值