基于AdaBoost與顯著信息的行人檢測算法.pdf

1、行人檢測算法作為目標檢測的一個具體問題，涉及圖像處理、計算機視覺、機器學習等多個學科，可應用于智能交通、視頻監(jiān)控、圖像壓縮、多媒體檢索等領域。正是因為這些廣泛的應用，近年來行人檢測受到了科研人員以及企業(yè)越來越多的關注，該領域取得了長足的進步。但是由于行人本身及其周圍環(huán)境的特點，要做到準確、實時地檢測仍然面臨兩個難點：（1）行人是一種非剛性的物體，因為站立角度（正面、側面、背面）、衣著、遮擋等情況的不同，導致了行人檢測的復雜性。（2）攝影

2、角度和屬性、光照角度和強度、周邊物體的多樣性等也給目標的精確檢測帶來一定的難度。
　　本文在基于AdaBoost行人檢測算法的基礎上，做出了以下改進：
　?。?）基于混合特征庫和AdaBoost級聯(lián)分類器
　　該方法構建了一個包含了Haar-like矩形、改進的邊緣方向直方圖（EOH）和梯度方向直方圖（HOG）的混合特征庫。我們首先提取訓練樣本的混合特征數(shù)據(jù)，再利用級聯(lián)的AdaBoost算法挑選少量關鍵特征，最終得到快

3、速、準確的行人檢測分類器。
　?。?）通過引入顯著信息修正AdaBoost分類器的檢測結果
　　由于圖像中行人所在區(qū)域常常與圖像較為顯著的區(qū)域較為吻合，所以本文在行人檢測的過程中引入顯著信息以提高檢測的準確性。本文采用了兩種將顯著信息與AdaBoost分類器的結合方式，第一種方式與顯著物體檢測方法類似，直接利用行人的顯著特征訓練分類器，第二種方式首先生成圖像的顯著圖，再利用顯著圖的區(qū)域顯著度動態(tài)調整分類器的判別閾值。實驗表明