期刊刊名：平頂山學院學報 　 卷期：35卷2期

篇名出版日期：2020年4月1日

作者：梁思源,王平,罗凡波,徐桂菲,王伟

語言：Chinese

關鍵字：暗通道去雾YOLO网络,颜色特征,纹理特征,极限学习机,dark channel defogging YOLO network, color characteristics, texture feature, ELM

被點閱次數：0次

閱讀時間：0sec

摘要：
针对目前异常行为检测中相似特征人员检测方法稀缺、人员和特征检测准确度低、特征量较少，而相似外部特征往往意味着团队行动及潜在异常行为等问题，提出一种基于深度学习的相似外部特征人员检测算法。首先采用加入Fast Guided Filter的暗通道去雾算法对INRIA数据库图像进行前期处理，得到质量更佳的训练样本；然后用得到的样本对改进的YOLO v3进行训练；最后将提取出来的行人进行颜色特征和几种纹理特征提取，组合之后用ELM进行分类。仿真结果表明：加入Fast Guided Filter的暗通道去雾算法明显优于单纯的暗通道去雾算法，保留了更多的边缘和纹理特征，在雾天和强曝光下效果尤为明显。相比HOG+SVM方法，该算法对人员检测的误检率和漏检率都大大降低，且具有较好的实时性。最后ELM 分类的准确性能够达到96.104%。

　　　　　[全文下載]