2009-12-22
本文介绍了HOG特征结合二分类SVM方法检测视屏中的跑步动作，将传统的用于目标识别的HOG方法进行了改进，同时将其应用于作为检测跑步动作的主要特征，经过实验检测，确实能达到较好的效果。本文主要分为5
北京邮电大学信息与通信工程学院
2016-06-24
随着生物识别技术的发展，素描人脸已广泛应用于协助警方确认犯罪嫌疑人的身份中。针对目前大部分识别方法直接使用图像的特征，使得关键部分没有被充分利用。本文提出一种基于HOG多特征融合的素描人脸识别方法
国家自然科学基金（61203261和61273277）
山东省自然科学基金（ZR2012FQ003）
浙江大学CAD&CG国家重点实验室开放课题（A1514）
山东大学控制科学与工程学院，济南 250061,山东大学控制科学与工程学院，济南 250061
2013-12-23
图像识别技术目前已广泛应用于人们的工作与生活中，不同的应用场景对图像识别技术提出了不同的应用要求。本文提出一种基于HOG和SVM的图像识别方法。首先对输入图像进行校正与归一化等预处理，去除背景噪声的
北京邮电大学信息与通信工程学院，北京 100876,北京邮电大学信息与通信工程学院，北京 100876
2018-06-06
提出一种利用预训练VGGNet提取的图像特征和HOG特征融合，采用多类SVM识别管道病害的方法。本文利用迁移学习和特征融合的策略，在小样本训练集上也能训练处具有较高识别率的分类模型。模型采用
北京市自然科学基金（8162023）
China University of mining & Technology Mechanical and Electrical Engineering ,beijing 100083,China University of mining & Technology Mechanical and Electrical Engineering ,beijing 100083,China University of mining & Technology Mechanical and Electrical Engineering ,beijing 100083
#计算机科学技术#
2013-10-11
），从这两个模板中进一步提取空间特征。在此基础上，我们构造了集成HOG步态模板。这一模板能较好地保持时间信息和有效地提取空间结构特征。在USF步态数据集的实验表明，与其它已知步态识别方法相比，提出的模板
高等学校博士学科点专项科研基金资助课题（No. 20120071110035)）
复旦大学计算机科学技术学院，上海 201203,复旦大学计算机科学技术学院，上海 201203,复旦大学计算机科学技术学院，上海 201203
#计算机科学技术#
2013-01-24
图像匹配是目标检测问题中的一个非常重要的组成部分，HOG(Histogram of Oriented Gradient)特征因为能够对图像局部的几何和光学变化保持很好的不变性，在图像匹配领域也得到
华中科技大学图像识别与人工智能研究所，武汉 430074,华中科技大学图像识别与人工智能研究所，武汉 430074,华中科技大学图像识别与人工智能研究所，武汉 430074
2014-11-04
行人检测技术目前已广泛应用于人们的生活和工作中，在不同的场合对行人检测技术提出不同的要求。由于在某些特定场合对行人检测的实时性和功耗有很高要求，本文提出了一种基于HOG (Histogram of
北京大学软件与微电子学院，北京 100871,北京大学软件与微电子学院，北京 100871
2016-06-24
。针对卷积神经网络对不同样本需要调整模型以及模型调整比较繁琐的问题，本文提出一种基于CNN与HOG特征的决策级融合算法。该模型从原始图像中分别提取CNN特征和HOG特征，使用SVM分类器产生预测，通过设定
国家自然科学基金（61203261和61273277）
山东省自然科学基金（ZR2012FQ003）
浙江大学CAD&CG国家重点实验室开放课题（A1514）
山东大学控制科学与工程学院，济南 250061,山东大学控制科学与工程学院，济南 250061
2014-12-11
已定位好的车标进行有效识别，并针对车标识别方法，在前人研究的基础上对Zernike不变矩和HOG梯度直方图特征进行结合形成复合特征在SVM分类器下用于车标识别，提出了一种复合式特征的车标识别方法。实验
国家自然科学基金（61103071）
教育部高等学校博士学科点新教师基金（20110072120065）
同济大学电子与信息工程学院，上海，201804,同济大学电子与信息工程学院，上海，201804
#计算机科学技术#
2008-11-14
从视频图像中检测出人、车辆等目标是计算机视觉应用的一个关键步骤，基于梯度方向直方图（HOG）的检测方法已经被证明具备足够的鲁棒性和良好的检测效果。由于HOG方法需要大量的、具备足够代表性的样本来训练
提示
