张虎
- 作品数：4 被引量：66H指数：3
- 供职机构：武汉大学电子信息学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 双CMOS成像系统中运动模糊图像的复原被引量：4
- 2012年
- 为获取高空间分辨率的清晰图像,设计了一种双CMOS成像系统。该系统的两片CMOS传感器可同时获取相同场景的图像,其中一片CMOS传感器获取高帧率、低空间分辨率的图像序列;另一片CMOS传感器获取低帧率、高空间分辨率的运动模糊图像。首先,通过光流法计算高帧率、低空间分辨率CMOS传感器获取图像序列的全局运动路径,在能量守恒和能量与积分时间成正比2个约束条件下估计运动模糊核初始值,通过贝叶斯准则交替迭代优化运动模糊核。最后,利用TV-L1方法从低帧率、高空间分辨率CMOS传感器获取的模糊图像中快速、有效地恢复出清晰图像。仿真和实验结果表明:有38%以上的仿真图像复原结果误差率小于2,且受噪声影响小,复原图像的振铃小。另外,能有效去除实拍图像的空间移不变运动模糊。
- 范赐恩陈曦张立国张虎邓德祥
- 关键词：模糊核CMOS传感器图像复原
- 多部位集合的人体检测
- 2013年
- 采用启发式、有监督的部位筛选方法组成了一种多部位集合的检测模型,用于缓解遮挡和形变对人体检测造成的影响。该模型通过比较人体同部位上关节点间的Procrustes距离,在训练集中获取有着相似姿态的同部位样本;将梯度方向直方图(HOG)作为特征,由典型部位分别训练出判别模型;比较其在验证集上的检测效果,从中筛选出检测率高的部位和未检出的图片,再寻找对未检出图片检测率高的部位,由这些部位组成混合模型。用混合模型检测时,由Kullback-Leibler距离判断各部位在图片上的不同响应是否属于同一人,以此来确定人体的外接矩形框。在INRIA人体库上的测试表明,本文采用的模型在误检率(FPPI)为0.5时有81%的检测率,高于有77%检测率的Poselets算法。本文基于Poselets,结合HOG的特点采用了一套有监督的部位筛选机制,使得模型成员数大幅度减少,检测时间比原始方法下降了50%,同时取得了优于Poselets的检测效果。
- 黄炎颜佳张虎邓德祥
- 关键词：梯度方向直方图支持向量机
- 基于压缩感知的多特征实时跟踪被引量：49
- 2013年
- 针对基于压缩感知的目标跟踪算法中存在的特征单一,在目标纹理变化、光照变化较大时跟踪不稳定、易丢失目标的问题,提出了多特征联合的实时跟踪算法。该算法以多个矩阵作为压缩感知中的投影矩阵,将压缩后的数据作为特征来提取出跟踪所需的多种特征。在更新过程中,针对不同特征在跟踪过程中的稳定性不同,采取不同速度的更新方法,使得在目标环境变化时跟踪的鲁棒性仍然很高。对不同视频的测试结果表明,提出的方法在目标运动、旋转、纹理变化和光照变化的情况下跟踪准确,在目标大小为70pixel×100pixel时平均帧速为23frame/s,满足实时跟踪的要求。与单一特征的压缩感知算法相比,本算法在目标纹理和光照变化很大的情况下仍能完成稳定的实时跟踪。
- 朱秋平颜佳张虎范赐恩邓德祥
- 关键词：目标跟踪压缩感知
- 联合梯度直方图和局部二值模式特征的人体检测被引量：13
- 2013年
- 针对采用单一梯度方向直方图(HOG)特征进行人体检测时易受竖直梯度分量干扰的缺点,提出了将分块局部二值模式(LBP)特征加入HOG特征的方法。首先,将检测窗口划分为大小为16×16的不重叠块,以块为单位统计LBP特征直方图,并通过大量实验获得了LBP算子的最佳参数;然后用优化过的插值方式计算HOG特征,将两者组成联合直方图。最后,用线性支持向量机(SVM)通过Bootstrapping的方式训练,得到判别模型。在INRIA人体库上的测试表明,检出率在误检率(FPPW)为10-4时由原始的89%提高到95%,单窗口检测速度由0.625ms提高到0.533ms。本文将纹理特征加入原始描述轮廓的HOG特征中,排除了部分梯度干扰信息造成的误检,提高了检出率。
- 黄炎范赐恩朱秋平张虎邓德祥
- 关键词：梯度方向直方图支持向量机
