模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2015, Vol. 28 Issue (1): 74-79    DOI: 10.16451/j.cnki.issn1003-6059.201501010
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于局部邻域像素的快速时空特征点检测方法*
秦华标,张亚宁,蔡静静
华南理工大学 电子与信息学院 广州 510640
Fast Spatial-Temporal Feature Point Detection Based on Local Neighbor Pixels
QIN Hua-Biao, ZHANG Ya-Ning, CAI Jing-Jing
School of Electronic and Information Engineering, South China University of Technology, Guangzhou 510640

全文: PDF (555 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对时空特征点检测算法计算效率较低和特征点冗余度较大的问题,提出一种基于邻域像素的快速时空特征点检测方法.通过寻找三维时空中局部邻域内像素值差异较大的点以快速定位时空特征点,然后采用非极大值抑制的方法剔除其中的冗余点,将筛选后的时空特征点用于人体行为识别.此外,还根据二项分布原理研究特征点检测中邻域像素分割阈值的取值范围及其它检测参数优化问题.实验结果表明该算法具有较高的检测速度,既能稳定提取足够数量的特征点又能降低其冗余度,在行为识别中也保持较高的准确率.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
秦华标
张亚宁
蔡静静
关键词 时空特征点非极大值抑制三维快速特征点局部邻域    
Abstract:To solve the problem of low computational efficiency and many redundant feature points in feature point detection algorithm, a fast spatial-temporal feature point detection algorithm based on local neighbor pixels is proposed. The spatial-temporal feature points are located quickly by finding the points with great difference in pixel value in 3D spatial-temporal local neighborhood. Then the redundant feature points are removed with the 3D non-maxima suppression method, and the screened feature points are applied to human action recognition. In addition, the range of pixel segmentation threshold in local area and other detection problems of parameter optimization are analyzed according to binomial probability distribution principle. The experimental results show that the proposed algorithm not only improves the speed of feature point detection but also reliably detects enough amounts of feature points with the least redundancy, which leads to the high accuracy in human action recognition.
Key wordsSpatial-Temporal Feature Point    Non-maxima Suppression    3D Fast Feature Point    Local Neighborhood   
收稿日期: 2013-06-19     
ZTFLH: TP 391.41  
基金资助:国家自然科学基金项目(No.60972136,61171142)、广东省科技计划项目(No.2010B010600014,2011A010801005)资助
作者简介: 秦华标(通讯作者),男,1967年生,博士,教授,主要研究方向为计算机视觉、无线通信网络、嵌入式系统、FPGA设计.E-mail:eehbqin@scut.edu.cn.张亚宁,男,1988年生,硕士研究生,主要研究方向为图像处理、计算机视觉.蔡静静,女,1989年生,硕士研究生,主要研究方向为计算机视觉.
引用本文:   
秦华标,张亚宁,蔡静静. 基于局部邻域像素的快速时空特征点检测方法*[J]. 模式识别与人工智能, 2015, 28(1): 74-79. QIN Hua-Biao, ZHANG Ya-Ning, CAI Jing-Jing. Fast Spatial-Temporal Feature Point Detection Based on Local Neighbor Pixels. , 2015, 28(1): 74-79.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201501010      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2015/V28/I1/74
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn