基于Adaboost和Bayes算法的行人檢測(cè)研究.pdf

1、隨著汽車數(shù)量的迅速增長(zhǎng)，道路交通事故的頻繁發(fā)生，如何有效地保護(hù)行人的安全，已成為備受關(guān)注的研究熱點(diǎn)。一個(gè)有效的方法就是提前檢測(cè)汽車前方的行人。行人檢測(cè)涉及到模式識(shí)別、圖像處理、計(jì)算機(jī)視覺、概率統(tǒng)計(jì)等多種學(xué)科?，F(xiàn)有的行人檢測(cè)算法普遍受到光照，行人姿態(tài)，背景等的影響。本文利用Adaboost和Bayes機(jī)器學(xué)習(xí)理論對(duì)多視角行人檢測(cè)進(jìn)行了研究。
　　Adaboost算法是機(jī)器學(xué)習(xí)理論中的一種重要算法，它的基本思想是利用大量分類能力一般的

2、弱分類器，通過一定的方法疊加起來構(gòu)成一個(gè)分類能力很強(qiáng)的強(qiáng)分類器。Bayes分類器是結(jié)合先驗(yàn)概率計(jì)算后驗(yàn)概率的一種分類器，是統(tǒng)計(jì)機(jī)器學(xué)習(xí)中一個(gè)重要的分類器。本文結(jié)合兩種分類器提出了由粗到精(coarse to fine)結(jié)構(gòu)的分類器。主要工作如下:
　　第一，根據(jù)行人背景，把行人分為高對(duì)比度和低對(duì)比度行人，根據(jù)腿部叉開的角度，把高對(duì)比度行人分為小角度行人和大角度行人。本文針對(duì)每一類模式，分別訓(xùn)練一個(gè)級(jí)聯(lián)分類器。這樣一定程度上降低了行