原文传递
基于多特征融合的行人检测算法研究
| 论文题名： | 基于多特征融合的行人检测算法研究 |
| 关键词： | 行人检测;多特征融合;集成学习;分类器 |
| 摘要： | 行人检测是物体检测的一个重要分支,不仅在视频监控、分析、跟踪和自动驾驶领域应用广泛,而且在机器人、娱乐、监督、照顾老人和残疾人领域也有广泛的应用前景。行人检测技术的研究具有十分重要的现实意义。当前的主流研究多是基于机器学习的方法,提取训练样本的特征和标签送入分类器学习,然后通过分类器进行检测。本文从多特征结合和集成学习的角度出发,研究行人检测问题,主要研究内容如下: (1)本文首先以HOG+LIBSVM方法为例,介绍了基于机器学习的检测方法一般流程。而基于机器学习的方法主要受两个方面因素的影响:一是使用的特征,二是所选择的学习方法。本文重点对HOG、MHOG、LBP、SIFT四种特征进行分析介绍,而本文实验使用AdaBoost算法构建分类器。 (2)对基于部件的方法进行研究。对行人进行分割,研究不同分割方法对检测结果的影响。该方法先将每个训练样本均匀分割成若干区域,提取特征后利用AdaBoost算法对每一个区域建立一个局部分类器,这些局部分类器加权组成一个全局分类器。采用6种不同的分割方法,重复上述过程,得到多个全局分类器。本文分别使用HOG和MHOG特征对不同分割方法的检测效果进行研究。研究表明,选择适当的分割方法构造的全局分类器的检测效果比不分割得到的检测器效果要好。 (3)提出了一种基于分割集成的方法用于检测。为了得到更好的检测效果,本文使用(2)的方法构建全局分类器,并将这些全局分类器进行集成。当对新的窗口进行检测时,集成这些全局分类器,通过加权投票的方式决定最终的检测结果。在INRIA公共测试集上的实验结果表明,本文提出的分割集成方法,可以有效地提高检测效果。同时,本文将 HOG和MHOG特征串联,使用6种分割方法分别构建全局分类器,并集成这些全局分类器用于检测。实验表明,本文使用的分割集成方法要比这种特征串联融合方法要好。 |
| 作者： | 彭凯 |
| 专业： | 计算机技术 |
| 导师： | 罗会兰 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江西理工大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
