基于AdaBoost和SVM的快速行人檢測方法研究.pdf

1、行人檢測作為計算機(jī)視覺領(lǐng)域的重要研究課題之一,在智能監(jiān)控、汽車輔助駕駛、救援輔助等領(lǐng)域有廣泛的應(yīng)用前景。但行人外形多變,衣著不同造成行人特征描述困難,現(xiàn)階段的行人檢測方法在檢測精度與檢測速度上都很難達(dá)到應(yīng)用水平。
　　本文首先對現(xiàn)階段的行人檢測方法進(jìn)行學(xué)習(xí)分析,對行人特征描述子的選擇與行人的快速檢測方法等技術(shù)進(jìn)行研究,設(shè)計實現(xiàn)了一種快速行人檢測方法,具體研究內(nèi)容如下:
　　1.研究學(xué)習(xí)常用的行人特征描述子,分析常用特征的計算

2、原理,設(shè)計實驗,在相同的應(yīng)用環(huán)境下,計算各種特征并結(jié)合SVM分類器進(jìn)行分類測試,對比各特征對應(yīng)的檢測精度與特征提取速度,結(jié)果表明聚合通道特征不管是在檢測精度(大于92％)還是在特征計算速度(350fps)上都具有明顯優(yōu)勢。
　　2.AdaBoost分類器在分類檢測應(yīng)用中具有檢測速度快精度高的優(yōu)點,但同時AdaBoost分類器的訓(xùn)練時間非常耗時,特別是精度要求較高,弱分類器數(shù)目很多的情況。本文將深度為2的決策樹作為弱分類器,為優(yōu)化A

3、daBoost分類器訓(xùn)練過程,加速弱分類器的訓(xùn)練速度,設(shè)計實現(xiàn)了一種通過量化預(yù)處理訓(xùn)練樣本特征,加快弱分類器訓(xùn)練速度的方法,與傳統(tǒng)方法相比較該方法減少了弱分類器訓(xùn)練中遍歷樣本的次數(shù),速度提高了2個數(shù)量級。
　　3.AdaBoost分類器訓(xùn)練過程的開始階段添加弱分類器對檢測精度的提高明顯,而隨著弱分類器的增多,添加弱分類器的作用下降,且訓(xùn)練分類時間增加。針對這個問題,在弱分類器數(shù)目過多時,使用 SVM分類器綜合完成分類,實現(xiàn)了 Ad

4、aBoost與線性SVM的級聯(lián)結(jié)構(gòu),使用SVM分類器對AdaBoost未能正確分類的樣本進(jìn)行進(jìn)一步判斷,將檢測精度提高了7%左右。SVM的訓(xùn)練只針對AdaBoost弱分類器對應(yīng)的特征點,最終得到的線性SVM分類器分類速度得到了保證。
　　4.為提高檢測速度,檢測過程中使用圖像特征金字塔層間的近似關(guān)系加速特征金字塔的構(gòu)建。首先計算圖像的稀疏采樣特征金字塔,其對應(yīng)的精密采樣特征金字塔各層特征由臨近的稀疏金字塔對應(yīng)層特征近似計算,實驗結(jié)