基于特征融合和多核學(xué)習(xí)的行人檢測方法研究.pdf

1、交通安全問題成為社會熱點話題,為解決這一難題,社會各界致力開發(fā)各種駕駛員輔助系統(tǒng)來提高駕駛的安全性,行人檢測是一項主動安全技術(shù),通過對駕駛環(huán)境的分析,對可能發(fā)生的交通事故進行預(yù)警,主動對汽車進行干預(yù)(緊急剎車),能有效的降低交通事故發(fā)生的可能性。
　　本文研究了常用的行人特征和分類算法后發(fā)現(xiàn),單一的特征結(jié)合單分類器的行人檢測算法的性能有限。為研究出實時性高和魯棒性強的行人檢測算法,故本文采用多特征融合和多分類器融合的方法。

2、　　針對單特征的檢測率低的問題,本文運用基于線性鑒別分析(LDA)的線性權(quán)重融合原則對一些積分通道特征(顏色、梯度、直方圖)和多層次導(dǎo)向邊緣能量特征進行特征融合使特征具有多源信息?，F(xiàn)階段用于行人檢測的特征維數(shù)都比較高,為克服高維特征對實時性的影響,本文運用主元分析(PCA)對特征進行降維,加快檢測速度。且上述特征可采用積分圖技術(shù)進行快速計算,所以行人檢測系統(tǒng)的魯棒性和實時性得到加強。在目標(biāo)識別領(lǐng)域直方圖交叉核支持向量機(HIKSVM)具

3、有分類快、準(zhǔn)確率高的優(yōu)點,采用其進行分類,系統(tǒng)實時性更進一步提升。實驗表明本文方法檢測速度和檢測率優(yōu)于經(jīng)典的HOG+SVM算法。
　　單核 SVM分類性能有限,本文采用多核學(xué)習(xí)的方法進行行人檢測,通過將HIKSVM、高斯核 SVM和多項式核 SVM進行線性組合合成一個新的核函數(shù),通過這個新的核函數(shù)進行分類。實驗證明,多核學(xué)習(xí)算法在檢測率上有提升,但是由于計算復(fù)雜度較高,導(dǎo)致系統(tǒng)的實時性能差。最后總結(jié)了全文的研究工作,指出行人檢測所