智能交通行人檢測(cè)系統(tǒng)的分類技術(shù)研究.pdf

1、智能交通的行人檢測(cè)系統(tǒng)是指通過(guò)汽車(chē)上動(dòng)態(tài)的視覺(jué)傳感器，對(duì)汽車(chē)視覺(jué)范圍內(nèi)的行人進(jìn)行檢測(cè)，從而在對(duì)行人運(yùn)動(dòng)理解的基礎(chǔ)上，采取一定的措施，達(dá)到輔助駕駛甚至自動(dòng)駕駛的功能的一個(gè)系統(tǒng)。行人檢測(cè)技術(shù)是智能交通的重要組成部分，是一門(mén)交叉了多種學(xué)科和多種系統(tǒng)的綜合技術(shù)，包括傳感器系統(tǒng)，硬件計(jì)算系統(tǒng)，智能系統(tǒng)等一系列因素。
　　 著重于找到一種更好的分類方法，本文調(diào)研了特征提取和分類技術(shù)的發(fā)展，分析了現(xiàn)有方法的不足及其原因，總結(jié)了行人檢測(cè)的研究現(xiàn)

2、狀，在分類方法上提出了改進(jìn)的思路。傳統(tǒng)的分類器和組合方法在行人檢測(cè)中都遇到了各自的缺陷，SVM分類方法在模式識(shí)別的很多領(lǐng)域被廣泛應(yīng)用，但是由于其計(jì)算代價(jià)大而使得其在行人檢測(cè)中沒(méi)有得到充分的利用。
　　 特征選擇在模式分類中扮演了一個(gè)重要的角色。它的目標(biāo)是盡可能多地將不相關(guān)特征排除在外，同時(shí)，得到區(qū)分度大的特征子集。那些信息量小的特征的存在，不僅使得學(xué)習(xí)算法表現(xiàn)不佳，而且會(huì)掩蓋數(shù)據(jù)背后重要的本質(zhì)信息。隨著新興技術(shù)的發(fā)展，在很多領(lǐng)域

3、數(shù)據(jù)集變得越來(lái)越大，很多不相關(guān)特征通常會(huì)出現(xiàn)在這樣的數(shù)據(jù)集中，使得傳統(tǒng)的學(xué)習(xí)算法遇到了巨大的挑戰(zhàn)，尤其在效率和推廣性方面。于是，一種可以從數(shù)據(jù)集中消除冗余和非相關(guān)信息的算法變得十分必要。本文提出利用基于boosting策略的特征選擇方法，通過(guò)基于核空間的距離評(píng)價(jià)函數(shù)，采用前向分步搜索方法，為核向量機(jī)(CVM)分類器選擇特征子集。實(shí)驗(yàn)結(jié)果顯示，這種方法和非boosting策略，以及其他評(píng)價(jià)方法相比，能給分類器帶來(lái)更優(yōu)的特征。