基于多特征融合的行人檢測方法研究.pdf

1、車輛日益增多導致交通事故頻頻發(fā)生，行人安全已經(jīng)成為一個全球范圍內(nèi)的重要課題，如何提高駕駛的安全性，減少交通事故的發(fā)生便成為了智能輔助駕駛系統(tǒng)的研究目的之一，行人檢測技術在其中起到重要的作用。
　　 本文主要研究了一些常用的人體特征，包括Haar-Like特征、HOG特征和SIFT特征，最新提出的TED特征，從它們的概念、特征的提取方法及其應用等內(nèi)容做了詳細的介紹，并且對各人體特征做了相關的實驗。其次，本文詳細介紹了一些常用的行人

2、檢測分類算法:支持向量機和神經(jīng)網(wǎng)絡等分類算法，學習了它們的最新研究進展狀況，并且對它們在行人檢測中的應用方法做了相關的實驗。
　　 針對單特征辨識度較低和人體尺度多樣性問題，本文提出一種多特征融合的行人檢測方法。該方法融合HOG特征和SIFT-PCA特征。其中SIFT-PCA特征提取方法利用主成分分析(PCA)算法將SIFT特征點向量投影到另一個空間，得到最具有代表性的特征參數(shù)，從而實現(xiàn)了很好的降維的作用。融合后的新特征能夠更精