基于混合特征的行人檢測算法研究.pdf

1、隨著社會生活的日益豐富多彩，機場、商場、社區(qū)等各類公共場所對于行人檢測技術(shù)的需求愈加強烈。行人檢測技術(shù)是利用計算機強大的計算能力在圖像中識別出行人目標(biāo)，由于背景復(fù)雜多變、行人服裝飾物各不相同、行人姿態(tài)各有差別、光線明暗變化等因素的影響，如何準(zhǔn)確且快速地檢測出行人仍是目前研究的熱點問題。
　　在該領(lǐng)域內(nèi)，當(dāng)前主流的算法是利用特征描述子提取行人特征，通過機器學(xué)習(xí)的方法訓(xùn)練分類器，再使用分類器來識別行人目標(biāo)，本文中就是采用了這種方法實現(xiàn)

2、行人檢測技術(shù)。
　　本文的主要工作集中在特征描述子與分類器兩方面。通過對各類特征描述子的對比分析，采用由Dalal和Triggs提出的描述能力強的梯度直方圖特征。針對梯度直方圖特征計算量大、特征維數(shù)過高、沒有利用圖像的紋理信息等缺點，采用圖像金字塔模型與熵信息組成一種新的混合特征，實現(xiàn)對圖像的降維處理與紋理信息的利用。在分類器上，本文選擇分類速度快、結(jié)構(gòu)簡單的支持向量機。目前常用的支持向量機都是線性核支持向量機，分類速度較快但是其

3、檢測率稍差。而非線性核支持向量機具有較好的檢測率但是稍慢的分類速度限制了它的應(yīng)用。針對這個問題，采用交互核這種非線性核實現(xiàn)了與特征相對應(yīng)的分類器，并在交互核的基礎(chǔ)上實現(xiàn)了一種加法核以及與其相對應(yīng)的分類器。這兩種分類器在保持非線性核較強分類能力的基礎(chǔ)上，還具備了線性核的分類速度。最后，將塔式梯度直方圖特征、熵特征組合的混合特征分別與交互核支持向量機、加法核支持向量機相結(jié)合，提高行人檢測算法性能。
　　本文在INRIA行人庫上訓(xùn)練分類