一种基于多特征和机器学习的分级行人检测方法
针对单幅图像中的行人检测问题,提出了基于自适应增强算法(Adaboost)和支持向量机(Support vector machine,SVM)的两级检测方法,应用粗细结合的思想有效提高检测的精度.粗级行人检测器通过提取四方向特征(Four direction features,FDF)和GAB (Gentle Adaboost)级联训练得到,精密级行人检测器用熵梯度直方图(Entropy-histograms of oriented gradients,EHOG)作为特征,通过支持向量机学习得到.本文提出的EHOG特征考虑到熵,通过分布的混乱程度描述,具有分辨行人和类似人的物体能力.实验结果表明,本文提出的EHOG、粗细结合的两级检测方法能准确地检测出复杂背景下不同姿势的直立行人,检测精度优于以往Adaboost方法.
四方向特征、熵梯度直方图、自适应增强算法、GAB级联、支持向量机、两级检测
38
TP391.41(计算技术、计算机技术)
2012-07-02(万方平台首次上网日期,不代表论文的发表时间)
375-381