基于機(jī)器學(xué)習(xí)的行人檢測.pdf_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、行人檢測是基于圖像/視頻數(shù)據(jù)進(jìn)行目標(biāo)檢測的一個(gè)重要分支,它在視頻監(jiān)控、智能交通、高級人機(jī)接口等多個(gè)領(lǐng)域具有廣泛的應(yīng)用前景。行人檢測技術(shù)實(shí)現(xiàn)的一個(gè)主流思路就是從機(jī)器學(xué)習(xí)的角度著手,將行人檢測問題轉(zhuǎn)化為一個(gè)分類問題,確定合適的特征描述,借助大量的訓(xùn)練樣本,學(xué)習(xí)得到一個(gè)用于行人檢測的分類器模型。
  由于行人所處環(huán)境的復(fù)雜性,使得高可靠性的行人檢測仍然面臨諸多挑戰(zhàn),這也使得行人檢測成為計(jì)算機(jī)視覺、人工智能和模式識別等領(lǐng)域的一個(gè)重要研究內(nèi)

2、容。因此進(jìn)行行人檢測相關(guān)問題的研究具有重要的理論意義。本文對行人檢測技術(shù)的研究現(xiàn)狀進(jìn)行總結(jié)與分析,在此基礎(chǔ)上,在特征描述、分類器模型訓(xùn)練性能的改善等方面對行人檢測關(guān)鍵技術(shù)進(jìn)行研究。論文主要貢獻(xiàn)如下:
  1.基于分層HoG特征的行人檢測
  針對HoG特征對目標(biāo)形狀描述的不足,本文提出了分層HoG特征,對目標(biāo)進(jìn)行多級空問劃分的基礎(chǔ)上,實(shí)現(xiàn)從全局到局部、由粗到細(xì)的多尺度目標(biāo)特征提取,從而更加全面描述目標(biāo)信息;在此基礎(chǔ)上,借助G

3、entle AdaBoost的級聯(lián)分類器實(shí)現(xiàn)了基于分層HOG特征的行人檢測。
  基于Gentle AdaBoost級聯(lián)分類器的行人檢測實(shí)驗(yàn)表明:分層HOG特征的目標(biāo)描述在行人檢測性能上優(yōu)于}H0G特征的目標(biāo)描述。
  2.基于SⅧ特征預(yù)過濾的Gentle AdaBoost分類器訓(xùn)練針對基于高維特征的AdaBoost級聯(lián)分類器的訓(xùn)練時(shí)間過于冗長的問題,提出了一種基于SVM特征預(yù)過濾的Gentle AdaBoost分類器的訓(xùn)練

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論