采用HOG特征和机器学习的 行人检测方法

摘要：

针对基于方向梯度直方图(HOG)/线性支持向量机(SVM)算法的行人检测方法中存在检测速度慢的问题,提出一种将HOG特征与Adaboost-BP模型相结合的行人检测方法.利用边缘检测技术快速检测出行人候选区域,提取出多尺度多方向的HOG特征,利用Adaboost算法训练多个反向传播神经网络用于构建强分类器,实现对测试样本图像的检测识别.结果表明:文中方法具有更高的检测率、更低的误报率和漏检率,具有较好的检测效果.

关键词：行人检测、行人候选区域、梯度方向直方图、反向传播神经网络、Adaboost算法

所属期刊栏目：39

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金青年科学基金资助项目61505059;华侨大学研究生科研创新能力培育计划资助项目1400222001

在线出版日期：2018-10-26（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：768-773