基于SC-AdaBoost的图像目标检测

摘要：

基于AdaBoost分类器的图像/视频目标检测系统具有检测精度高、检测速度快的特点,但当训练样本数目多、样本描述的特征维数高时,分类器的训练过程将会异常缓慢.为有效改善分类器训练的时间性能,从限制弱分类器训练样本规模的角度,提出了一种改进的boosting分类器训练模型,即基于SC-AdaBoost的分类器训练模型.基于VOC2006数据集的车辆检测实验表明,在不损失分类器检测性能的前提下,SC-AdaBoost训练模型可明显减少分类器的训练时间.

关键词：训练集收缩、SC-AdaBoost算法、支持向量机、AdaBoost算法、目标检测

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目:动态纹理建模与应用的张量方法研究11301137;Spiking神经网络在移动机器人感知及控制中的应用研究61175059;无线移动智能视频监控系统中的数学方法10926179;河北省科技支撑计划项目:嵌入式校园视频监控系统10243554D;2012年河北师范大学应用开发基金

在线出版日期：2016-05-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：309-313