基于梯度特征和級(jí)聯(lián)分類的快速行人檢測.pdf

1、行人檢測技術(shù)(Pedestrian Detection Technology)作為目標(biāo)檢測領(lǐng)域的一個(gè)重要研究方向,近幾年已經(jīng)成為計(jì)算機(jī)視覺領(lǐng)域的一個(gè)研究熱點(diǎn)和前沿方向。在智能車輛(Smart Vehicle)、自動(dòng)導(dǎo)航(Auto Guidance)、運(yùn)動(dòng)分析、高級(jí)人機(jī)接口等方面,它已經(jīng)成為一個(gè)核心的技術(shù)并具有廣泛的應(yīng)用前景。由于傳統(tǒng)的檢測方法的弊端和缺點(diǎn)比較大,所以當(dāng)前的一些主要的研究方法是從統(tǒng)計(jì)機(jī)器學(xué)習(xí)的角度出發(fā),從包括的大量的正負(fù)例

2、訓(xùn)練樣本的樣本庫中,自動(dòng)提取特征并訓(xùn)練人體模型,從而提高了檢測的精度和速度。
　　 本論文在Dalal等人的基于梯度方向直方圖(簡稱HOG)特征以及Viola的boosted cascade算法的基礎(chǔ)上,借鑒Zhu Q.等人2006年CVPR的快速行人檢測論文算法,將這兩種算法進(jìn)行有機(jī)的結(jié)合,并應(yīng)用到行人檢測當(dāng)中。為提高檢測的速度,我們在幾個(gè)方面進(jìn)行了實(shí)現(xiàn):a)進(jìn)行了基于一級(jí)cascade boosting的檢測實(shí)現(xiàn);b)對基于

3、四級(jí)cascade boosting的檢測做了實(shí)現(xiàn),原先與相比加快了檢測速度；c)在boosted cascade算法框架下,發(fā)現(xiàn)了選擇的特征點(diǎn)在圖像中的分布情況,對于行人檢測算法的研究具有指導(dǎo)意義。
　　 論文中對實(shí)現(xiàn)了以上算法,并證明該檢測系統(tǒng)的檢測性能接近目前行人檢測水平。FPPW(false positive per window)在10-3的時(shí)侯,檢測器的在INRIA直立靜態(tài)人體數(shù)據(jù)庫的中上的檢測率可以達(dá)到87％。對于