基于改進(jìn)的快速特征金字塔行人檢測算法的研究.pdf

1、行人檢測作為目標(biāo)檢測研究的熱點(diǎn)問題，研究的目的在于從不同的背景的圖像中檢測出直立姿態(tài)的行人。它廣泛應(yīng)用于智能交通、駕駛輔助系統(tǒng)、視頻監(jiān)控、機(jī)器人等領(lǐng)域，具有很高的商業(yè)價(jià)值。行人檢測的技術(shù)難點(diǎn)在于復(fù)雜場景中光照和陰影的干擾，行人姿態(tài)、服飾的隨機(jī)性以及遮擋物等眾多不可控因素的影響。因此，如何解決這些的問題，研究出適合于各種場景的行人檢測算法，對(duì)于行人檢測技術(shù)的推廣和應(yīng)用有著很重要的意義。
　　本文簡單介紹了基于快速特征金字塔行人檢測的

2、算法，在行人特征提取ACF(Aggregate Channel Feature)方法的基礎(chǔ)上進(jìn)行了改進(jìn)，提出了模板積分特征法和基于離線選擇的ACF特征法；其次，加入了第二級(jí)檢測器以減少快速特征金字塔行人檢測結(jié)果中的誤檢窗口數(shù)。
　　針對(duì)ACF特征缺乏對(duì)行人先驗(yàn)知識(shí)加以利用的問題，提出了模板積分特征，根據(jù)行人直立的特點(diǎn)，采用了水平和垂直兩種差分模板，求取模板內(nèi)元素加權(quán)平均和的差分值，生成了更加針對(duì)行人的特征。通過實(shí)驗(yàn)的結(jié)果表明，模板

3、積分特征的使用提升了行人的檢測率。
　　針對(duì)在線訓(xùn)練階段Adaboost分類器有很大可能選擇混淆的背景信息作為判別特征的問題，提出了使用離線選擇ACF特征的方法以去除無關(guān)的背景信息：在離線選擇階段，利用基于決策樹的Adaboost分類器進(jìn)行特征選擇，得到若干的特征及其索引，選擇其中出現(xiàn)頻率高的特征作為有效特征，將特征索引應(yīng)用于在線階段Adaboost的訓(xùn)練中，減少了混淆背景特征的干擾。通過實(shí)驗(yàn)的結(jié)果表明，離線選擇ACF特征的使用能