基于Adaboost算法选取和组合SVM的行人检测算法

摘要：

行人检测是计算机视觉中一个重要的研究方向,为了提高行人的识别精度,将支持向量机(Support Vector Machine,SVM)和Adaboost算法结合起来,SVM是基于结构风险最小化准则的新型机器学习算法,适合小样本学习并且能够有效地抑制过拟合问题,Adabost基于最小化训练错误率,一般使用易训练的分类器作为弱分类器.由于SVM比较难训练,因此将样本集划分形成多个训练集,然后利用正样本和不同的负样本组成不同训练集反复训练,最后通过Adaboost对训练集生成的SVM模型筛选出具有最小错误率的SVM分类器并且采用投票机制形成最终的强分类器.实验结果表明,在FPPW(false positive per window)为10-5时检测率能够达到30％,检测效果优于单个SVM算法训练出来的分类器模型,用行人测试库测试,该方法取得了较好的检测效果并且具有较强的鲁棒性.

关键词：Adaboost、支持向量机、行人检测、方向梯度直方图、分类器

所属期刊栏目：27

分类号：TP301.6(计算技术、计算机技术)

资助基金：山西省高校高新技术产业化项目2010002

在线出版日期：2016-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：73-78