基于AdaBoost和神經(jīng)網(wǎng)絡(luò)的行人檢測.pdf

1、行人檢測技術(shù)在當(dāng)今的交通監(jiān)控系統(tǒng)中扮演著十分重要的角色，其對于提高安全性駕駛，保障行人安全具有重要作用。除此之外，行人檢測還被應(yīng)用在監(jiān)控系統(tǒng)、智能車輛及人機(jī)交互系統(tǒng)中。近幾年來，由于上述的廣泛應(yīng)用，行人檢測作為目標(biāo)檢測的重要研究方向，已經(jīng)成為機(jī)器視覺的一個(gè)熱門研究領(lǐng)域。
　　本文在分析了行人檢測當(dāng)前流行的特征提取、分類算法和行人圖像的特點(diǎn)后，選取了Dalal等人提出的方向梯度直方圖特征來表述行人特征。我們分別選擇了當(dāng)前廣泛使用的A

2、daBoost算法與BP神經(jīng)網(wǎng)絡(luò)算法集成和AdaBoost與支持向量機(jī)集成的兩類分類算法，實(shí)現(xiàn)行人檢測的研究。
　　1、選用HOG特征作為分類器輸入，并且將若干由訓(xùn)練樣本訓(xùn)練得到的BP神經(jīng)網(wǎng)絡(luò)作為弱分類器，然后通過AdaBoost算法進(jìn)行算法加強(qiáng)，得到由這些弱分類器組成的強(qiáng)分類器。為了不影響分類效果，我們選用了主成分分析算法進(jìn)行特征降維，將降維后的特征向量作為分類器的輸入。
　　2、同樣將HOG特征向量作為分類器的輸入，將經(jīng)