《表1 经典HOG+SVM对不同数据库的检测结果Tab.1 Classical HOG+SVM Results for Different Dataset》
INRIAPerson和本文的铁路行人样本库的特征及HOG+SVM方法应用于两个样本库的测试结果如表1所示。针对INRIAPerson样本库,HOG+SVM的正检率为94.35%,测试时间为15.79s;但该方法在铁路行人样本库中的正检率仅为85.62%,检测时间为12.11s。由此可见,经典的HOG+SVM行人检测方法对INRI-APerson数据库能够取得较高的准确率,但对本文建立的铁路行人样本库检测率偏低,究其原因主要是INRIAPerson数据库虽然包含了光照变化的样本图像,但仍然是较为清晰的图片,图像质量和清晰度都较高,而铁路场景下获取的报警图像多为夜间光线干扰图片,图片清晰度不高,场景更复杂,给再分类带来了难度。两个样本库中两张典型低照度图片如图6所示,明显可以看出铁路场景图片的清晰度更差,因此,需要选择更好的算法以进一步提高铁路行人样本库的检测准确率。
图表编号 | XD0022427200 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.01 |
作者 | 郭保青、王宁 |
绘制单位 | 北京交通大学机械与电子控制工程学院、北京交通大学载运工具先进制造与测控技术教育部重点实验室、北京交通大学机械与电子控制工程学院、北京交通大学载运工具先进制造与测控技术教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |