Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Weight-Selection Strategy on Training Deep Neural Networks for Imbalanced Classification Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Ground Plane Segmentation Using Artificial Neural Network for Pedestrian Detection

verfasst von : Jorge Candido, Mauricio Marengoni

Erschienen in: Image Analysis and Recognition

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper presents a method of ground plane segmentation for urban outdoor scenes using a feedforward artificial neural network (ANN). The main motivation of this project is to obtain some contextual information from the scene for use in pedestrian detection algorithms and to provide an accuracy improvement for this algorithms. The ANN input is fed with features extracted from a patch window of the image scene. The ANN output classifies the patch as belonging or not belonging to the ground plane. After that, the classified patches are joined into a full image with the ground plane area outlined. The images used for training, test and evaluation were obtained from the widely known Caltech-USA database. The accuracy of ground plane segmentation was above 96% in the experiments which improved the precision of the pedestrian detector in 38,5%.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Development of an Active Shape Model Using the Discrete Cosine Transform
Nächstes Kapitel An Improved Directional Convexity Measure for Binary Images
Literatur
1.
Arbelaez, P., Maire, M., Fowlkes, C., Malik, J.: Contour detection and hierarchical image segmentation. IEEE Trans. Pattern Anal. Mach. Intell. 33(5), 898–916 (2011)CrossRef
2.
Barceló, G.C., Panahandeh, G., Jansson, M.: Image-based floor segmentation in visual inertial navigation. In: 2013 IEEE International Instrumentation and Measurement Technology Conference (I2MTC), pp. 1402–1407. IEEE (2013)
3.
Conrad, D., DeSouza, G.N.: Homography-based ground plane detection for mobile robot navigation using a modified em algorithm. In: 2010 IEEE International Conference on Robotics and Automation (ICRA), pp. 910–915. IEEE (2010)
4.
Cui, X.-N., Kim, Y.-G., Kim, H.: Floor segmentation by computing plane normals from image motion fields for visual navigation. Int. J. Control Autom. Syst. 7(5), 788–798 (2009)CrossRef
5.
Demuth, H., Beale, M.: Neural network toolbox for use with Matlab (1993)
6.
Dollár, P., Belongie, S., Perona, P.: The fastest pedestrian detector in the west. In: BMVC, vol. 2, p. 7. Citeseer (2010)
7.
Dollár, P., Wojek, C., Schiele, B., Perona, P.: Pedestrian detection: a benchmark. In: CVPR 2009 IEEE Conference on Computer Vision and Pattern Recognition, pp. 304–311. IEEE (2009)
8.
Dollar, P., Wojek, C., Schiele, B., Perona, P.: Pedestrian detection: an evaluation of the state of the art. IEEE Trans. Pattern Anal. Mach. Intell. 34(4), 743–761 (2012)CrossRef
9.
Felzenszwalb, P.F., Huttenlocher, D.P.: Efficient graph-based image segmentation. Int. J. Comput. Vis. 59(2), 167–181 (2004)CrossRef
10.
Kim, Y.G., Kim, H.: Layered ground floor detection for vision-based mobile robot navigation. In: Proceedings of the 2004 IEEE International Conference on Robotics and Automation, ICRA 2004, vol. 1, pp. 13–18. IEEE (2004)
11.
Nam, W., Dollár, P., Han, J.H.: Local decorrelation for improved pedestrian detection. In: Advances in Neural Information Processing Systems, pp. 424–432 (2014)
12.
Pal, N.R., Pal, S.K.: A review on image segmentation techniques. Pattern Recognit. 26(9), 1277–1294 (1993)CrossRef
13.
Panahandeh, G., Mohammadiha, N., Jansson, M.: Ground plane feature detection in mobile vision-aided inertial navigation. In: 2012 IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 3607–3611. IEEE (2012)
14.
Pears, N., Liang, B.: Ground plane segmentation for mobile robot visual navigation. In: Proceedings of the 2001 IEEE/RSJ International Conference on Intelligent Robots and Systems 2001, vol. 3, pp. 1513–1518. IEEE (2001)
15.
Rowley, H.A., Baluja, S., Kanade, T.: Rotation invariant neural network-based face detection. In: Proceedings of the 1998 IEEE Computer Society Conference on Computer Vision and Pattern Recognition 1998, pp. 38–44. IEEE (1998)
16.
Shirakawa, S., Nagao, T.: Evolutionary image segmentation based on multiobjective clustering. In: 2009 IEEE Congress on Evolutionary Computation, pp. 2466–2473. IEEE (2009)
17.
Szeliski, R.: Computer Vision: Algorithms and Applications. Springer Science & Business Media, London (2010)
18.
Wang, H., Yuan, K., Zou, W., Peng, Y.: Real-time obstacle detection with a single camera. In: 2005 IEEE International Conference on Industrial Technology, pp. 92–96. IEEE (2005)
19.
Wang, X.W., Wu, Q.X., Zhang, Z., Zhuo, Z., Huang, L.: Segmentation based on spiking neural network using color edge gradient for extraction of corridor floor. In: Farag, A.A., Yang, J., Jiao, F. (eds.) Proceedings of the 3rd International Conference on Multimedia Technology (ICMT 2013). LNEE, vol. 278, pp. 275–285. Springer, Heidelberg (2014). doi:10.​1007/​978-3-642-41407-7_​27CrossRef
Metadaten
Titel
Ground Plane Segmentation Using Artificial Neural Network for Pedestrian Detection
verfasst von
Jorge Candido
Mauricio Marengoni
Copyright-Jahr
2017
Buch
Image Analysis and Recognition

Print ISBN: 978-3-319-59875-8

Electronic ISBN: 978-3-319-59876-5

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-59876-5_30

Premium Partner

    Bildnachweise