原创力文档- 1、本文档共7页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
25 5 Vol． 25 No． 5
第 卷 第 期 模式识别与人工智能
2012 10 PR ＆ AI Oct 2012
年 月
基于多部位多示例学习的人体检测
丁建浩1，2 耿卫东1 王毅刚2
1 ( CAD＆CG 310027)
浙江大学 国家重点实验室 杭州
2 ( 310018)
杭州电子科技大学图形图像研究所 杭州
， ，
摘 要 基于部位的检测方法能处理多姿态及部分遮挡的人体检测 多示例学习能有效处理图像的多义性 被广
． ． ，
泛应用于图像检索与场景理解中 文中提出一种基于多示例学习的多部位人体检测方法 首先 根据人体生理结构
， ， AdaBoost ．
将图像分割成若干区域 每个区域包含多个示例 利用 多示例学习算法来训练部位检测器 然后利用各部
位检测器对训练样本进行测试得到其响应值， ． SVM
从而将训练样本转化为部位响应值组成的特征向量 再用 方法
， ． INRIA
对这些向量进行学习 得到最终的部位组合分类器 在 数据集上的实验结果表明该方法能改进单示例学习
， 3 ．
的检测性能 同时评价 种不同的部位划分及其对检测性能的影响
， ， ，
关键词 人体检测 多示例学习 部位检测器 梯度方向直方图
中国法分类号 TP 181
Human Detection Method
Based on Multi- Part Detector and Multi-Instance Learning
DING Jian-Hao1，2 ，GENG Wei-Dong1 ，WANG Yi-Gang2
1 (State Key Laboratory of CAD ＆ CG ，Zhej iang University ，Hangzhou 310027)
2 (Institute of Comp uter Grap hics and Image Processing ，Hangzhou Dianzi University ，Hangzhou 3100 18)
文档评论（0）