文献

J-GLOBAL ID：200902221745339687   整理番号：08A0272520

局所特徴を用いる自動車両検出-統計的アプローチ

Automatic Vehicle Detection Using Local Features-A Statistical Approach

著者 (2件)： WANG Chi-Chen Raxle (National Cheng Kung Univ., Tainan, TWN) ,  LIEN Jenn-Jier James (National Cheng Kung Univ., Tainan, TWN)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 9  号： 1  ページ： 83-96  発行年： 2008年03月 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 局所特徴や部分に基づく実時間車両検出技術は,オクルージョンにロバストな方法として期待されているが,いくつかの問題点も残されている。本論文では,従来の問題点を克服するため,画像中の三つの重要な部分領域内の局所特徴に基づく新しい統計的アプローチを提案した。提案した車両検出システムの作業フローは,学習プロセスとテストプロセスの二つの部分からなる。学習プロセスは,正準車両画像生成,前処理,部分領域選択,及び車両検出のための新しい統計モデルの四つのモジュールからなる。提案した方法では,車両対非車両の尤度比を用いて従来の困難を解決する。また,最尤推定における同時確率を推定する際に,意味のある局所特徴と対応する姿勢情報を考慮することで,検出精度を改善する。統計的アプローチによる車両検出では,主成分分析と独立成分分析を組み合わせて用い,検出精度を高め照明条件や車両姿勢の変動に対するロバスト性を改善する。さらに,画像再構成の要件を単純化し,また用いるGauss混合モデルのパラメータと重みを期待値最大化法により推定することで,計算効率を高める。実験により提案した自動車両検出システムの性能評価を行い,良好な結果を得た。

シソーラス用語： *コンピュータビジョン ,  *検出 ,  *自動車 ,  特徴抽出 ,  局所性 ,  実時間処理 ,  画像分析 ,  教師つき学習 ,  最尤法 ,  主成分分析 ,  独立成分分析 ,  画像再構成 ,  アルゴリズム ,  Gauss模型 ,  確率モデル ,  精度 ,  ロバスト性 ,  オクルージョン ,  尤度比 ,  統計モデル ,  EMアルゴリズム ,  数学モデル ,  モデル
準シソーラス用語： 統計模型 ,  Gauss混合モデル ,  期待値最大化法 ,  検出精度 ,  *車両検出

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  交通調査  (TB01031B) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 局所特徴 ,  自動車 ,  統計