自然背景下的行人檢測(cè).pdf

1、行人檢測(cè)是物體檢測(cè)的重要分支，是近年來計(jì)算機(jī)視覺領(lǐng)域備受關(guān)注的前沿方向和研究熱點(diǎn)。它在智能監(jiān)控系統(tǒng)、駕駛員輔助系統(tǒng)、運(yùn)動(dòng)分析、高級(jí)人機(jī)接口等眾多領(lǐng)域擁有廣泛的應(yīng)用前景。當(dāng)前的主流研究方向是從機(jī)器學(xué)習(xí)出發(fā)，從大量的訓(xùn)練樣本中自動(dòng)抽取特征，建立人體模型，把行人檢測(cè)問題化為一個(gè)模式分類的問題。 本文以Viola提出的boosted cascade算法以及Kobi Levi，Yair Weiss提出的邊緣方向直方圖特征(EOH)為基礎(chǔ)，

2、將兩者有機(jī)地結(jié)合起來，應(yīng)用到行人檢測(cè)中。我們?cè)诙鄠€(gè)方面進(jìn)行了改進(jìn)：首先，對(duì)于原先只適用于較為簡(jiǎn)單的人臉檢測(cè)中的EOH特征進(jìn)行改進(jìn)，彌補(bǔ)了其對(duì)于行人的對(duì)稱性特征的描述能力不足的問題，其次，我們改進(jìn)了Adaboost算法中對(duì)于樣本權(quán)值調(diào)整的策略，減少了overfitting。 通過這些改進(jìn)，經(jīng)實(shí)驗(yàn)證明我們的方法能夠接近目前行人檢測(cè)的領(lǐng)先水平。在誤報(bào)率為1/10000時(shí)，我們算法的檢測(cè)率在一個(gè)復(fù)雜的行人數(shù)據(jù)集Inria上可以達(dá)到90％