小波变换人体目标特征提取方法效果对比

doi:10.3778/j.issn.1002-8331.2009.29.044

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (29): 146-149.DOI: 10.3778/j.issn.1002-8331.2009.29.044

• 图形、图像、模式识别 • 上一篇下一篇

小波变换人体目标特征提取方法效果对比

梁英宏

广东商学院广东省电子商务市场应用技术重点实验室，广州 510320

收稿日期:2008-11-13 修回日期:2009-01-13 出版日期:2009-10-11 发布日期:2009-10-11
通讯作者: 梁英宏

Comparison of wavelet based feature extraction methods for human detection

LIANG Ying-hong

Guangdong Key Lab of Electronic Commerce，Guangdong University of Business Studies，Guangzhou 510320，China

Received:2008-11-13 Revised:2009-01-13 Online:2009-10-11 Published:2009-10-11
Contact: LIANG Ying-hong

摘要/Abstract

摘要： Haar小波和Gabor小波变换是常用的特征提取方法，前者广泛用于目标检测，后者则常用于人脸识别。针对人体目标检测，提出采用Gabor小波变换进行特征提取，并采用三个主要的行人库与Haar小波方法进行对比实验，实验显示：由于二维Gabor小波变换响应能够在多个尺度的多个方向上对目标的局部区域像素值变化进行描述，所以相比只能在水平、垂直和对角线三个方向上描述目标的Haar小波，其优势明显。

关键词: 人体目标检测, Gabor小波, Haar小波, 行人库

Abstract: Haar and Gabor wavelet transforms are two commonly used methods for feature extraction.The former is widely used in object detection and the latter is commonly used in face recognition.A Gabor wavelet based feature extraction method for human detection is proposed，and verified using three main pedestrian datasets.Experiments show that：Gabor wavelet representation for ima-
ges has the ability to describe the local intensity variation at different orientations of different scales.As a result，it achieves better performance than Haar wavelet representation，which can only encode image regions in vertical，horizontal and diagonal directions.

Key words: human detection, Gabor wavelet, Haar wavelet, pedestrian dataset

中图分类号:

TP391

梁英宏. 小波变换人体目标特征提取方法效果对比[J]. 计算机工程与应用, 2009, 45(29): 146-149.

LIANG Ying-hong. Comparison of wavelet based feature extraction methods for human detection[J]. Computer Engineering and Applications, 2009, 45(29): 146-149.

[1]	史久根，司小龙. 多尺度中心误差补偿二值模式的表情识别[J]. 计算机工程与应用, 2016, 52(8): 148-152.
[2]	杨燕，樊林庆. 基于光照变换的Gabor小波人脸识别[J]. 计算机工程与应用, 2016, 52(5): 220-224.
[3]	何薇1，白瑞林1，李新2. 基于Gabor小波和神经网络的布匹瑕疵检测[J]. 计算机工程与应用, 2016, 52(12): 231-234.
[4]	张素娥，周军，王大伟，梅红岩. Gabor小波变换和NMF结合的人脸识别[J]. 计算机工程与应用, 2015, 51(3): 143-147.
[5]	王燕，张殷绮. 基于Gabor和二值叠加CS-LBP特征的人脸表情识别[J]. 计算机工程与应用, 2015, 51(19): 210-215.
[6]	姜欢，王瑜，王坚. Gabor小波分解和增益图约束的荧光显微图像复原[J]. 计算机工程与应用, 2015, 51(15): 157-160.
[7]	余棉水1，朱岸青1，解晓萌2. 基于纠错输出编码的人脸表情识别[J]. 计算机工程与应用, 2014, 50(3): 155-159.
[8]	雷军环. 基于Gabor-ILLE的多姿态人耳识别[J]. 计算机工程与应用, 2014, 50(23): 163-166.
[9]	杨秋芬1，2，桂卫华1，胡豁生1，阳若宁2. Gabor小波优化HMM算法的眼部疲劳状态识别[J]. 计算机工程与应用, 2014, 50(15): 13-17.
[10]	师飞龙，李岚，徐楠楠. 基于多数投票的DBC人脸识别[J]. 计算机工程与应用, 2014, 50(11): 163-166.
[11]	罗瑞评，张洪顺，陈勇，袁誉红. Haar小波滤波器序列只有两个非零项的论证[J]. 计算机工程与应用, 2013, 49(13): 191-193.
[12]	方文俊1，周翔1，汤进1，2，罗斌1，2. 基于Gabor小波和SVD的热红外人脸识别研究[J]. 计算机工程与应用, 2013, 49(13): 121-124.
[13]	王宪，陆友桃，宋书林，平雪良，许腾. 基于Gabor小波变换与分块PCA的人脸识别[J]. 计算机工程与应用, 2012, 48(3): 176-178.
[14]	李敏，张小英，卢林菊. 基于分块形态Haar小波变换的盲水印算法[J]. 计算机工程与应用, 2012, 48(28): 183-186.
[15]	徐永红，侯景，赵艳茹，洪文学. Gabor小波幅值和相位特征人脸识别方法比较[J]. 计算机工程与应用, 2012, 48(15): 195-200.

小波变换人体目标特征提取方法效果对比

Comparison of wavelet based feature extraction methods for human detection

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics