Resumen

Este trabajo presenta la fusión de características de canal integral para mejorar la efectividad y eficiencia de la detección de peatones. El método propuesto combina el histograma de gradientes orientados (HOG) y las características del patrón binario local (LBP) mediante un método de fusión concatenado. Aunque la red neuronal (NN) es una herramienta eficiente para la clasificación, la complejidad temporal es alta. Por lo tanto, elegimos la máquina de vectores de soporte (SVM) con el núcleo de intersección de histogramas (HIK) como clasificador. Por otro lado, aunque se han recopilado muchos conjuntos de datos para la detección de peatones, pocos están diseñados para detectar peatones en imágenes visuales de baja resolución y durante la noche. Este trabajo recopila dos nuevos conjuntos de datos de peatones: uno para imágenes visuales de baja resolución y otro para imágenes de infrarrojo cercano, para evaluar el rendimiento de detección en varios tipos de imágenes y en diferentes momentos. El método de fusión propuesto utiliza solo imágenes del conjunto

• Materias:Ecuaciones diferenciales Dinámica de fragmentación Medios porosos Circuito abierto
• Subjects:Differential equations Fragmentation dynamics Porous media Open circuit
• Palabras claves:Características del canal integral; Detección de peatones; Histograma de gradientes orientados; Patrón binario local; Máquina de vectores de soporte; Precisión de detección
• Keywords:Integral channel features; Pedestrian detection; Histogram of oriented gradient; Local binary pattern; Support vector machine; Detection accuracies