论文部分内容阅读
针对传统滑动窗目标检测方法需要在全图像范围内穷举搜索的缺点,提出了一种基于视觉注意机制的粒子窗检测方法,旨在保持较高检测精度的同时减少计算量。该方法将目标显著性作为先验知识引入搜索过程,采用"图像签名"方法生成显著图,然后通过阈值门限提取出包含有目标真实位置的局部区域。利用蒙特卡洛采样在显著目标对应的图像范围内均匀生成粒子窗,并依据分类器的响应对粒子进行重采样,以凸显真实目标区域、避免滑动窗方法对搜索步长的依赖。建立了Adaboost+类Harr特征(HLF)和支持向量机(SVM)+方向梯度直方图(