重新训练行人检测分类器用于dsp车载行人检测

最新推荐文章于 2022-06-12 16:41:05 发布
最新推荐文章于 2022-06-12 16:41:05 发布
阅读量2k 收藏
点赞数
分类专栏： 汽车电子之行人检测与跟踪
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zouwen198317/article/details/27371719
版权

重新训练基于彩色图像的行人检测分类器。

等分类器训练好，就可以移植到dsp上面跑。

效果是有，误检率也有

车载图像的样本，对静止的监控视频也能检测出来



上面这张检测不错，之前会把空调当人来检




上面有些漏检，其实如果可以调焦，可以把镜头拉远一点。这样更远一些的人才能更好检出来



有误检






下面这张不错





骑车人也可以检出来







听海拉拉
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
使用DPM训练自己的模型
横贯
04-24 6357
本文详细还原了DPM最新版本训练自己模型的方法，经过了半个多月的磨合，终于完美实现，转载请说明来自：http://blog.csdn.net/ppp036/article/details/51236425 因为OPENCV3.1包含了DPM的代码，所以可以将训练出来的模型用于OPENCV3.1以达到工程上的实现。
行人检测之DPM
鄠邑原野的博客
07-22 6282
基于可识别训练的部件模型的目标检测 Object Detection with Discriminatively Trained Part Based Models 摘要 基于多尺度可变形的部件模型我们来描述一个目标检测系统。我们的系统能够表示高度可变的对象类并在PASCAL目标检测挑战达到最先进的结果。虽然可变形部件模型变得十分流行，但是它们的值至今没有在诸如PASCAL数据库这种困难的基...
OpenCV实践之路——行人检测
星沉阁
04-26 2万+
行人检测是视觉领域很热也很有用的一个主题，特别是在无人驾驶中，行人检测的重要性不言而喻。 在之前进行了人脸检测之后，行人检测就显得简单多了。过程大致与人脸检测一样，都是先加载分类器，然后进行多尺度检测。就偷懒不再赘述。感兴趣的可以看人脸检测的这一篇文章：OpenCV实践之路——人脸检测（C++/Python） 这里只是把代码放在这里，没几行，而且都有着注释： #include #inclu
自己训练SVM分类器进行HOG行人检测
Why So Serious?
11-13 5万+
正样本来源是INRIA数据集中的96*160大小的人体图片，使用时上下左右都去掉16个像素，截取中间的64*128大小的人体。 负样本是从不包含人体的图片中随机裁取的，大小同样是64*128。 SVM使用的是OpenCV自带的CvSVM类。 首先计算正负样本图像的HOG描述子，组成一个特征向量矩阵，对应的要有一个指定每个特征向量的类别的类标向量，输入SVM中进行训练。 训练好的SVM分类器保存为XML文件，然后根据其中的支持向量和参数生成OpenCV中的HOG描述子可用的检测子参数，再调用OpenCV中的多
深度学习之目标检测（二）—— 常见的传统目标检测算法（Viola-Jones算法 & HOG-SVM算法 & DPM算法 & NMS算法）
hxxjxw的博客
06-28 1409
传统目标检测算法 Viola-Jones(VJ算法) HOG-SVM DPM Viola-Jones算法 主要用于人脸检测 Harr特征 value=白-黑 Adaboost算法 是集成学习的一种方法 在深度学习算法火热之前，Adaboost算法属于工业界/学术届 经常会使用到的一种方法 HOG+SVM 主要用于行人检测 Opencv实现 ...
hog+svm行人检测分类器训练
03-31
标题中的“hog+svm行人检测分类器训练”指的是在计算机视觉领域中，使用Histogram of Oriented Gradients（HOG）特征和Support Vector Machines（SVM）进行行人检测的训练过程。这一技术是图像处理和机器学习的经典...
目标检测（四）传统目标检测与识别的特征提取——基于部件的可变形模型（DPM）的目标检测原理
qq_40959462的博客
05-19 2624
DPM（Deformable Part Model），正如其名称所述，可变形的组件模型，是一种基于组件的检测算法，这种模型非常地直观，它将目标对象建模成几个部件的组合。比如它将人类视为头部/身体/手/腿的组合。...
用DPM训练自己的模型，并用于视频检测
sysu_yuhaibao的博客
04-02 5583
刚参加完一个机器人比赛，用到双目定位。其中涉及到用DPM匹配目标，得到目标区域内的特征点实现双目匹配。网上很多资源比较凌乱，所以整合起来，用于训练自己的模型。
DPM目标检测算法
知识搬运工的博客
05-18 1万+
DPM算法由Felzenszwalb于2008年提出，是一种基于部件的检测方法，对目标的形变具有很强的鲁棒性。目前DPM已成为众多分类、分割、姿态估计等算法的核心部分，Felzenszwalb本人也因此被VOC授予"终身成就奖"。 DPM算法采用了改进后的HOG特征，SVM分类器和滑动窗口（Sliding Windows）检测思想，针对目标的多视角问题，采用了多组件（Comp...
训练好的行人检测分类器
10-24
https://blog.csdn.net/lyq_12/article/details/83346833中行人检测的源码，使用到的训练好的检测器就是这个附件。
分类器(包含猫脸,自行车,行人等)
12-18
已经训练好的Haar分类器，包含猫脸，行人，自行车等。
DPM(Deformable Parts Model)--原理(一)
热门推荐
Note of Transposition
10-23 7万+
DPM是一个非常成功的目标检测算法，连续获得VOC（Visual Object Class）07,08,09年的检测冠军。目前已成为众多分类器、分割、人体姿态和行为分类的重要部分。2010年Pedro Felzenszwalb被VOC授予"终身成就奖"。DPM可以看做是HOG（Histogrrams of Oriented Gradients）的扩展，大体思路与HOG一致。先计算梯度方向直方图，然后用SVM（Surpport Vector Machine ）训练得到物体的梯度模型（Model）。有了这样的模
用DPM(Deformable Part Model，voc-release3.1)算法在INRIA数据集上训练自己的人体检测模型
Why So Serious?
05-13 1万+
用DPM(Deformable Part Model，voc-release3.1)算法在INRIA数据集上训练自己的人体检测模型
Latent SVM+DPM 行人检测
moon
10-11 2297
#include "pch.h" //vs2015 为“stdafx.h” #include <iostream> #include <opencv2/opencv.hpp> #include <opencv2/dpm.hpp> #include <opencv2/dnn/all_layers.hpp> using namespace cv; usi...
深度学习行人检测
风口上的传奇
12-16 2077
SSD model for person detection and Kalman Filtering combined for tracking https://github.com/ambakick/Person-Detection-and-Tracking
帮助曾经像自己一样的小白，快速了解hog和svm，从而学会运用这两个算法来做些简单的行人检测
qq_34226628的博客
04-11 3527
主题是帮助曾经像自己一样的小白，快速了解hog和svm，从而学会运用这两个算法来做些简单的行人检测。 那个我是天津理工大学的一名本科学生，2019届。有幸在大一考完C语言之后呢，碰到了学院的一位老师，他是做计算机视觉的，然后经过很久的积累，开始走上了简单的计算机视觉之路，就是opencv。说这么多就是让大家知道，opencv不难，难的是坚持，为自己的目标所坚持。 简单的看完毛星云的op...
行人检测
学习之路
07-03 5837
版权声明：转载时请以超链接形式标明文章原始出处和作者信息及本声明 http://shijuanfeng.blogbus.com/logs/100675201.html看了将近半年的行人检测的资料，最近开题了，我也趁着这个机会把脑袋里的东西总结一下：先说下常用的
目标检测（五）基于SVM的目标分类
qq_40959462的博客
06-12 3212
支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；SVM 还包括核技巧，这使它成为实质上的非线性分类器。SVM 的的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问题。SVM 的的学习算法就是求解凸二次规划的最优化算法。...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

听海拉拉

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

实付元
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