基于特征融合和多核學(xué)習(xí)的行人檢測(cè)方法研究.pdf

1、交通安全問題成為社會(huì)熱點(diǎn)話題,為解決這一難題,社會(huì)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(cè)是一項(xiàng)主動(dòng)安全技術(shù),通過對(duì)駕駛環(huán)境的分析,對(duì)可能發(fā)生的交通事故進(jìn)行預(yù)警,主動(dòng)對(duì)汽車進(jìn)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(cè)算法的性能有限。為研究出實(shí)時(shí)性高和魯棒性強(qiáng)的行人檢測(cè)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(duì)單特征的檢測(cè)率低的問題,本文運(yùn)用基于線性鑒別分析(LDA)的線性權(quán)重融合原則對(duì)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(jìn)行特征融合使特征具有多源信息?，F(xiàn)階段用于行人檢測(cè)的特征維數(shù)都比較高,為克服高維特征對(duì)實(shí)時(shí)性的影響,本文運(yùn)用主元分析(PCA)對(duì)特征進(jìn)行降維,加快檢測(cè)速度。且上述特征可采用積分圖技術(shù)進(jìn)行快速計(jì)算,所以行人檢測(cè)系統(tǒng)的魯棒性和實(shí)時(shí)性得到加強(qiáng)。在目標(biāo)識(shí)別領(lǐng)域直方圖交叉核支持向量機(jī)(HIKSVM)具

3、有分類快、準(zhǔn)確率高的優(yōu)點(diǎn),采用其進(jìn)行分類,系統(tǒng)實(shí)時(shí)性更進(jìn)一步提升。實(shí)驗(yàn)表明本文方法檢測(cè)速度和檢測(cè)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(jìn)行行人檢測(cè),通過將HIKSVM、高斯核 SVM和多項(xiàng)式核 SVM進(jìn)行線性組合合成一個(gè)新的核函數(shù),通過這個(gè)新的核函數(shù)進(jìn)行分類。實(shí)驗(yàn)證明,多核學(xué)習(xí)算法在檢測(cè)率上有提升,但是由于計(jì)算復(fù)雜度較高,導(dǎo)致系統(tǒng)的實(shí)時(shí)性能差。最后總結(jié)了全文的研究工作,指出行人檢測(cè)所