基于随机森林的目标检测与定位

被引：8

作者：

刘足华

熊惠霖

机构：

[1] 上海交通大学自动化系系统控制与信息处理教育部重点实验室

来源：

计算机工程 | 2012年 / 38卷 / 13期

关键词：

随机森林; 结构模型学习; SIFT局部特征; 判别式码本模型; 概率Hough投票; 目标遮挡;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为解决复杂图像中的目标检测与定位问题,提出一种基于随机森林的目标检测与定位算法。采用SIFT局部特征构造随机森林分类器,以一个决策树中的全部叶子节点构成一个树型结构的判别式码本模型,从而获得更可靠的概率Hough投票,加快目标检测速度。实验结果证明,该算法效率较高,可用于复杂场景下的目标检测与定位。

引用

页码：5 / 8

页数：4

共 5 条

[1]

基于隐式形状模型的行人检测技术研究.[D].姚会.厦门大学.2009, 12

[2]

Weakly Supervised Scale-Invariant Learning of Models for Visual Recognition.[J].R. Fergus;P. Perona;A. Zisserman.International Journal of Computer Vision.2006, 3

[3] Random forests [J].

Breiman, L .

MACHINE LEARNING, 2001, 45 (01) :5-32

[4] Robust object detection with interleaved categorization and segmentation [J].

Leibe, Bastian ;

Leonardis, Ales ;

Schiele, Bernt .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2008, 77 (1-3) :259-289

[5] Distinctive image features from scale-invariant keypoints [J].

Lowe, DG .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110

← 1 →