关于Gentle AdaBoost的快速行人检测方法.pdfVIP

关于Gentle AdaBoost的快速行人检测方法.pdf

  1. 1、本文档共8页,可阅读全部内容。
  2. 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. 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. 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)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于Gentle AdaBoost的快速行人检测方法 1 2 2 王健弘 ,章品正 ,罗立民 1 东南大学生物科学与医学工程学院,江苏南京 (210096) 2 东南大学计算机科学与工程学院,江苏南京 (210096) E-mail:wjh.bme@ 摘 要: 行人检测在视频监控以及智能车系统中有着广泛的应用前景,为了能够更有效的检 测行人,将人脸检测中级联检测框架引入行人检测中,并对其进行改进,采用Gentle AdaBoost 算法进行分类器训练,以提高训练效率,同时在训练前引入了特征预筛选,以减少训练时间 和系统开销。实验表明,改进后的方法训练时间短,检测精度高,同时具有较快的检测速度。 关键词:Gentle AdaBoost; 行人检测; 矩形特征; 级联分类器 中图分类号:TP391.41 1. 引 言 [1] [2] 行人检测是当前目标检测方面的研究热点之一,它在视频监控 、智能车系统 、人机 交互、虚拟现实等领域有着广泛的应用前景。但由于不同的行人图像无论是在身材、姿势、 视角还是在衣着、光照方面都有着极大的变化,加之复杂的背景场景以及摄像头自身的移动 和晃动,行人检测问题也一直是目标检测领域的研究难点之一。 目前常用的行人检测方法大致可以分成两大类[3]: (1) 基于运动的方法。这类方法主要是通过分析人运动时的步态(Gait)特征来识别行人 [4]。该类方法可以避免人的纹理和光线变化的影响,但是只能识别运动的行人,并且要分析 多帧才能给出判决结果,影响系统的实时性。 (2) 基于形状的方法。包括通建立人体模型的方法[5] [2] ,基于模板匹配的方法 以及基于 统计学习的方法。这类方法的优点是可以检测静止的行人。但由于行人姿态复杂多变,这三 种方法都存在着一定的缺陷。对于前两种方法来说模型的构建与求解,以及模板的匹配都极 为复杂耗时。而基于统计学习的方法主要的缺点是需要大量样本,训练时间长,但训练学习 完成后,相对于前两种方法来说,基于统计学习的方法检测过程相对简单,耗时较少。 本文采用 Gentle AdaBoost 算法属于基于统计学习的方法。Viola 等人[6]利用 AdaBoost 算法、矩形特征和级联分类器成功地实现了实时人脸检测,取得了较好的效果。本文将 Voila 提出的人脸检测框架应用于行人检测,同时针对原算法训练时间长,系统开销的的缺点,本 文对其进行了一些改进:用 Gentle AdaBoost 替代原算法中的 Discrete AdaBoost 进行分类器 训练,提高了训练效率和结果精度;在训练前引入特征预筛选,有效减少了训练时间和系统 开销;同时优化了后处理策略,提高了系统检测率。 2. Gentle AdaBoost 算法 [7] AdaBoost 算法最早是由 Yoav Freund 和 Robert E.Schapire 在 1995 年提出的 ,是目前 最具实用价值的机器学习方法之一。AdaBoost 算法的核心是通过调整样本分布和弱分类器 权值,自动地从弱分类器空间中筛选出若干关键的弱分类器并通过某种方式整合为一个强分 类器。AdaBoost 算法基本流程如下所示: - 1 - (1) 给定训练样本和初始权重;

您可能关注的文档

文档评论(0)

189****6140 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档