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  2012, Vol. 25 Issue (5): 803-809    DOI:
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于多部位多示例学习的人体检测
丁建浩1,2,耿卫东1,王毅刚2
1。浙江大学CADCG国家重点实验室杭州310027
2。杭州电子科技大学图形图像研究所杭州310018
Human Detection Method Based on Multi-Part Detector and Multi-Instance Learning
DING Jian-Hao1,2, GENG Wei-Dong1, WANG Yi-Gang2
1. State Key Laboratory of CAD CG,Zhejiang University,Hangzhou 310027
2.Institute of Computer Graphics and Image Processing,Hangzhou Dianzi University,Hangzhou 310018

全文: PDF (577 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 基于部位的检测方法能处理多姿态及部分遮挡的人体检测,多示例学习能有效处理图像的多义性,被广泛应用于图像检索与场景理解中。文中提出一种基于多示例学习的多部位人体检测方法。首先,根据人体生理结构将图像分割成若干区域,每个区域包含多个示例,利用AdaBoost多示例学习算法来训练部位检测器。然后利用各部位检测器对训练样本进行测试得到其响应值,从而将训练样本转化为部位响应值组成的特征向量。再用SVM方法对这些向量进行学习,得到最终的部位组合分类器。在INRIA数据集上的实验结果表明该方法能改进单示例学习的检测性能,同时评价3种不同的部位划分及其对检测性能的影响。
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
丁建浩
耿卫东
王毅刚
关键词 人体检测多示例学习部位检测器梯度方向直方图    
Abstract:Part-based detection methods can deal with large articulated pose variations of human target and partial occlusions. Multi-instance learning is employed in content-based image retrieval and scene understanding, because it is good at handling the inherent ambiguity of images.A human detection method based on multi-part and multi-instance learning methods is presented. Firstly, the training samples are partitioned into several regions containing multi-instance according to body structure. Then, the part detectors are trained by using multiple instance learning method based on AdaBoost algorithm. After that the responding scores from the training samples tests are obtained by using the individual part detector when predicting on the positive and negative training bags. Therefore, the training samples are converted to feature vectors composed of part scores. The final assemble detector is learned using a linear SVM method. The experimental results on INRIA database show that the proposed approach improves the detection performance in single instance learning and the influence of the three different multi-part divisions on detection performance is evaluated.
Key wordsHuman Detection    Multiple Instance Learning    Part Detector    Histogram of Oriented Gradient   
收稿日期: 2011-03-07     
ZTFLH: TP181  
作者简介: 丁建浩,男,1980年生,博士研究生,工程师,主要研究方向为计算机视觉、机器学习。E-mail:djh@hdu。edu。cn。耿卫东,男,1967年生,教授,博士生导师,主要研究方向为计算机图形图像技术、智能CAD、运动捕捉。王毅刚,男,1971年生,教授,主要研究方向为虚拟现实、人机交互。
引用本文:   
丁建浩,耿卫东,王毅刚. 基于多部位多示例学习的人体检测[J]. 模式识别与人工智能, 2012, 25(5): 803-809. DING Jian-Hao, GENG Wei-Dong, WANG Yi-Gang. Human Detection Method Based on Multi-Part Detector and Multi-Instance Learning. , 2012, 25(5): 803-809.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2012/V25/I5/803
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