基于機器學習的行人檢測關鍵技術研究.pdf

1、行人檢測是物體檢測的重要分支，是近年來計算機視覺領域備受關注的前沿方向和研究熱點。它在智能監(jiān)控系統(tǒng)、駕駛員輔助系統(tǒng)、運動分析、高級人機接口等眾多領域擁有廣泛的應用前景。當前的主流研究方向是從機器學習出發(fā)，從大量的訓練樣本中自動抽取特征，建立人體模型，把行人檢測問題化為一個模式分類的問題。 本文以Viola提出的boosted cascade算法以及Dalal提出的梯度直方圖特征(hog)為基礎，將兩者有機地結合起來，應用到行人檢

2、測中。我們在多個方面進行了改進：首先，我們利用級聯(lián)分類器代替支持向量機，大大提高了hog特征的計算速度。其二，我們將Dalal的hog特征與haar特征結合使用，彌補了haar特征在描述能力上的不足。我們還提出了shog特征來簡化hog，減輕了特征的計算量。其三，我們使用實值boosting和查找表來取代stump，使弱分類器具有更強的描述能力。最后，為了將高維的hog特征更好地融合入adaboost算法，我們先用加權fisher判別來