基于機器學習的行人檢測.pdf

1、行人檢測是基于圖像/視頻數據進行目標檢測的一個重要分支,它在視頻監(jiān)控、智能交通、高級人機接口等多個領域具有廣泛的應用前景。行人檢測技術實現(xiàn)的一個主流思路就是從機器學習的角度著手,將行人檢測問題轉化為一個分類問題,確定合適的特征描述,借助大量的訓練樣本,學習得到一個用于行人檢測的分類器模型。
　　由于行人所處環(huán)境的復雜性,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算機視覺、人工智能和模式識別等領域的一個重要研究內

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

3、entle AdaBoost的級聯(lián)分類器實現(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驗表明:分層HOG特征的目標描述在行人檢測性能上優(yōu)于}H0G特征的目標描述。
　　2.基于SⅧ特征預過濾的Gentle AdaBoost分類器訓練針對基于高維特征的AdaBoost級聯(lián)分類器的訓練時間過于冗長的問題,提出了一種基于SVM特征預過濾的Gentle AdaBoost分類器的訓練