基于多特征的行人快速檢測方法研究.pdf

1、當前計算機視覺領域研究的熱點之一就是人臉識別和行人檢測，這一技術已經被廣泛的應用在很多領域，比如智能電話、智能交通、無人駕駛等。由于算法的精度和速度等原因，很難應用到實時系統(tǒng)中。傳統(tǒng)方法中為了提高精度需要計算圖像特征金字塔，而構建特征金字塔需要花費大量時間。本文正是從這一問題出發(fā)，通過估算多尺度分類器的方法，減少構建特征金字塔時間從而提高了行人檢測的速度。本文主要的研究內容如下:
　　(1)本文提出了一種新特征BPG。BPG特征實

2、質是HOG的一種變形，它既保留了原有的梯度和方向信息，也具有局部區(qū)域信息。BPG特征把梯度方向分成8個方向，在可變大小區(qū)域內的不同梯度方向上累加梯度值，然后與均值作比較，進行二值編碼，最后生成十進制數(shù)。實驗結果顯示，新特征在行人檢測方面有更強的識別能力。
　　(2)通過實驗對比和特征間的相關性挑選出四個特征作為特征池，四個特征分別是BPG特征、LBP特征、梯度特征值和下梯度方向特征。根據(jù)特征本身的特點分析了特征間的互補性。用這四個

3、特征融合對單一樣本的檢測正確率大約為97％。
　　(3)分類器設計主要使用的是Adaboost算法。通過級聯(lián)形式，使每級強分類器有不同數(shù)量的弱分類器和閾值，使分類器的識別能力逐級加強。這樣可以將容易識別出的負樣本在第一級或是前幾級分類器就排除掉，難以識別的由后面識別能力強的分類器識別，既提高了分類器的精度又減少了檢測窗口的數(shù)量。
　　(4)提出了一種估計分類器的方法，通過估計臨近放縮層的分類器以代替圖像的縮放過程，大幅度減少