- Tytuł:
-
Wizyjna detekcja obiektów w obrazach przy użyciu klasyfikatora SVM i deskryptorów HOG : porównanie wyników dla kolejowych sygnalizatorów świetlnych oraz dla sylwetek ludzkich
Computer vision based detection of objects in images using SVM classifier and HOG descriptors : comparison of the results for railway traffic lights and silhouettes of people - Autorzy:
-
Król, R.
Bojarczak, P.
Taraś, A. - Powiązania:
- https://bibliotekanauki.pl/articles/309682.pdf
- Data publikacji:
- 2017
- Wydawca:
- Instytut Naukowo-Wydawniczy "SPATIUM"
- Tematy:
-
przejazd kolejowy
system ostrzegania
sygnalizator świetlny
deskryptor HOG
train crossing
warning system
traffic light
HOG descriptor - Opis:
-
W artykule porównane zostały krzywe DET (ang. Detection-Error Tradeoff) dla pojedynczego klasyfikatora SVM testowanego na zbiorze kolejowych sygnalizatorów świetlnych przy użyciu oprogramowania zaimplementowanego w środowisku MATLAB, oprogramowania zaimplementowanego w C++ przy użyciu biblioteki OpenCV oraz dla pojedynczego klasyfikatora testowanego na zbiorze obrazów INRIA zawierającym sylwetki ludzkie. Potrzeba porównania rezultatów dla sygnalizatorów świetlnych z rezultatami dla ludzi oraz porównania funkcji oferowanych przez środowisko MATLAB z funkcjami biblioteki OpenCV wynika z uzyskanych w poprzednich badaniach (R. Król, P. Bojarczak, Detekcja kolejowych sygnalizatorów świetlnych w obrazach przy użyciu deskryptorów HOG i sieci neuronowych SVM) wysokich, względem badań N. Dalal, wartości współczynnika FPPW (ang. False Positives Per Window). Badania przedstawione w niniejszym artykule dowodzą, że charakterystyczne cechy geometryczne sygnalizatorów świetlnych nie wpływają na jakość rezultatów uzyskanych przy metodzie badań zastosowanej w poprzedniej pracy.
In this paper Detection-Error Tradeoff Curves were compared for the single SVM classifier which was tested on the set of images containing railway traffic lights using the software which Authors implemented in Matlab, software implemented by the Authors in OpenCV (C++) and for the single SVM classifier tested on the INRIA persons image set using software implemented by the Authors in Matlab. Research performed in this paper are important because in the last numerical experiments high values of FPPW coefficient (False Positives Per Window) were obtained. Results presented in this paper prove that characteristic features of the railway traffic lights geometry do not influence value of FPPW and HOG descriptors can be successfully used for this type of object. - Źródło:
-
Autobusy : technika, eksploatacja, systemy transportowe; 2017, 18, 12; 260-263, CD
1509-5878
2450-7725 - Pojawia się w:
- Autobusy : technika, eksploatacja, systemy transportowe
- Dostawca treści:
- Biblioteka Nauki
Artykuł