基于機(jī)器學(xué)習(xí)的行人檢測(cè)關(guān)鍵技術(shù)研究.pdf

1、行人檢測(cè)是物體檢測(cè)的重要分支，是近年來(lái)計(jì)算機(jī)視覺(jué)領(lǐng)域備受關(guān)注的前沿方向和研究熱點(diǎn)。它在智能監(jiān)控系統(tǒng)、駕駛員輔助系統(tǒng)、運(yùn)動(dòng)分析、高級(jí)人機(jī)接口等眾多領(lǐng)域擁有廣泛的應(yīng)用前景。當(dāng)前的主流研究方向是從機(jī)器學(xué)習(xí)出發(fā)，從大量的訓(xùn)練樣本中自動(dòng)抽取特征，建立人體模型，把行人檢測(cè)問(wèn)題化為一個(gè)模式分類(lèi)的問(wèn)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(chǔ)，將兩者有機(jī)地結(jié)合起來(lái)，應(yīng)用到行人檢

2、測(cè)中。我們?cè)诙鄠€(gè)方面進(jìn)行了改進(jìn)：首先，我們利用級(jí)聯(lián)分類(lèi)器代替支持向量機(jī)，大大提高了hog特征的計(jì)算速度。其二，我們將Dalal的hog特征與haar特征結(jié)合使用，彌補(bǔ)了haar特征在描述能力上的不足。我們還提出了shog特征來(lái)簡(jiǎn)化hog，減輕了特征的計(jì)算量。其三，我們使用實(shí)值boosting和查找表來(lái)取代stump，使弱分類(lèi)器具有更強(qiáng)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(quán)fisher判別來(lái)