卷积神经网络用于文字识别，在经典的模式识别中，一般是事先提取特征。
提取诸多特征后，要对这些特征进行相关性分析，找到最能代表字符的特征，去掉对分类无关和自相关的特征。
然而，这些特征的提取太过依赖人的经验和主观意识，提取到的特征的不同对分类功能影响很大，甚至提取的特征的顺序也会影响最后的分类功能。
同时，图像预处理的好坏也会影响到提取的特征
提取诸多特征后，要对这些特征进行相关性分析，找到最能代表字符的特征，去掉对分类无关和自相关的特征。
然而，这些特征的提取太过依赖人的经验和主观意识，提取到的特征的不同对分类功能影响很大，甚至提取的特征的顺序也会影响最后的分类功能。
同时，图像预处理的好坏也会影响到提取的特征
2017/4/18 14:03:27
14.21MB
对公共场所中人群监控准确性和实时性低的问题,提出一种基于运动显著图的人群异常行为检测方法。
该方法首先利用Lucas-Kanade法计算稀疏特征点的光流场,并对光流场进行时间和空间上的滤波处理,然后计算特征点的运动方向、速度和加速度。
为了准确描述人群行为,将人群的速度幅值、运动方向变化量和加速度幅值分别映射为图像的R、G、B三个通道,并以此合成代表人群运动特征的运动显著图。
最后,设计和训练面向人群运动显著图的卷积神经网络模型,并利用该模型检测人群中能否存在异常行为。
该方法首先利用Lucas-Kanade法计算稀疏特征点的光流场,并对光流场进行时间和空间上的滤波处理,然后计算特征点的运动方向、速度和加速度。
为了准确描述人群行为,将人群的速度幅值、运动方向变化量和加速度幅值分别映射为图像的R、G、B三个通道,并以此合成代表人群运动特征的运动显著图。
最后,设计和训练面向人群运动显著图的卷积神经网络模型,并利用该模型检测人群中能否存在异常行为。
2021/4/7 19:49:27
477KB
