基于Adaboost和Bayes算法的行人檢測研究.pdf

1、隨著汽車數(shù)量的迅速增長，道路交通事故的頻繁發(fā)生，如何有效地保護行人的安全，已成為備受關注的研究熱點。一個有效的方法就是提前檢測汽車前方的行人。行人檢測涉及到模式識別、圖像處理、計算機視覺、概率統(tǒng)計等多種學科?，F(xiàn)有的行人檢測算法普遍受到光照，行人姿態(tài)，背景等的影響。本文利用Adaboost和Bayes機器學習理論對多視角行人檢測進行了研究。
　　Adaboost算法是機器學習理論中的一種重要算法，它的基本思想是利用大量分類能力一般的

2、弱分類器，通過一定的方法疊加起來構成一個分類能力很強的強分類器。Bayes分類器是結合先驗概率計算后驗概率的一種分類器，是統(tǒng)計機器學習中一個重要的分類器。本文結合兩種分類器提出了由粗到精(coarse to fine)結構的分類器。主要工作如下:
　　第一，根據(jù)行人背景，把行人分為高對比度和低對比度行人，根據(jù)腿部叉開的角度，把高對比度行人分為小角度行人和大角度行人。本文針對每一類模式，分別訓練一個級聯(lián)分類器。這樣一定程度上降低了行