陈高攀
- 作品数：4 被引量：11H指数：2
- 供职机构：上海大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：电子电信交通运输工程自动化与计算机技术更多>>
- Haar特征提取IP核设计及前方车辆检测系统实现被引量：6
- 2018年
- 基于视觉的前方车辆检测是智能驾驶辅助系统中非常重要的组成部分,针对目前前方车辆检测中关于检测速度和精度的问题,采用部分积分图结构、流水线结构、乒乓操作、数据复用等方法提高Haar特征的计算速度;对提取到的Haar特征,采用Ada Boost进行降维操作,再用SVM(Support Vector Machine)进行分类训练,提升分类能力,设计完成了基于Haar+SVM前方车辆检测系统中的Haar特征提取的IP(Intellectual Property)核以及前方车辆检测的嵌入式系统。实验结果表明,检测精度可达到97.2%,系统处理速度平均为每秒21.6帧,验证了所设计的算法和系统的正确性和有效性。
- 任亮朴徐美华陈高攀
- 关键词：车辆检测HAAR特征ADABOOSTSVM
- 一种车辆前方行人检测方法及系统
- 本发明公开一种车辆前方行人检测方法及系统，该方法包括：图像获取与预处理、图像缩放、LBP与HOG特征提取、感兴趣区域提取、目标识别、目标融合及预警，并在车辆前方有行人时及时提示驾驶员。该车辆前方行人检测系统包括三个大部分...
- 徐美华郭爱英陈高攀沈东阳王琪
- 一种基于单目视觉的前方车辆检测算法被引量：5
- 2019年
- 针对前方车辆检测中遇到的速度和精度问题,首先对感兴趣区域(region-of-interest,ROI)提取中大津阈值Qtsu分割方法应用范围的局限性进行了分析,并考虑累计密度函数(cumulative-density-function, CDF)阈值分割方法鲁棒性差的问题,提出了一种基于人工神经网络(artificial neural network, ANN)的方法来拟合阈值分割点,以提高阈值分割的准确性和鲁棒性,减少伪ROI;其次针对在复杂环境下车辆与背景粘连的问题提出了一种分区域六角分割的方法,降低ROI漏检率;最后对ROI提取Haar特征以及用优化的自适应提升(adaptive boosting, AdaBoost)对ROI进行分类,得到筛选后的车辆目标.实验结果表明,对于分辨率为640×480的视频,系统处理速度可达到81.3帧/s,错误率为3.8%.
- 陈高攀徐美华王琪郭爱英
- 关键词：车辆检测感兴趣区域人工神经网络HAARADABOOST
- 一种车辆前方行人检测方法及系统
- 本发明公开一种车辆前方行人检测方法及系统，该方法包括：图像获取与预处理、图像缩放、LBP与HOG特征提取、感兴趣区域提取、目标识别、目标融合及预警，并在车辆前方有行人时及时提示驾驶员。该车辆前方行人检测系统包括三个大部分...
- 徐美华郭爱英陈高攀沈东阳王琪
- 文献传递
