西安工业大学学报
西安工業大學學報
서안공업대학학보
JOURNAL OF XI'AN TECHNOLOGICAL UNIVERSITY
2012年
4期
259-263
,共5页
AdaBoost%多尺度HOG特征%支持向量机%级联结构
AdaBoost%多呎度HOG特徵%支持嚮量機%級聯結構
AdaBoost%다척도HOG특정%지지향량궤%급련결구
针对AdaBoost(Adaptive Boosting)算法耗时长,检测精度低的问题,提出一种将支持向量机(Support Vector Machine,SVM)与AdaBoost算法相结合的方法,采用多尺度(His-togram of Oriented Gradient,HOG)特征描述行人不同尺寸区域的特点,在样本权重更新过程中引入非行人样本的误检率,训练了一个级联结构的行人分类器.结果表明:选择特征数目为5个时,改进后的AdaBoost算法检测率和计算时间分别为99.8%和577.66s.在INRIA行人数据库上训练了一个六层结构级联分类器,使用特征数目为46个时,检测率达到96.74%,而误检率仅有3.26‰.
針對AdaBoost(Adaptive Boosting)算法耗時長,檢測精度低的問題,提齣一種將支持嚮量機(Support Vector Machine,SVM)與AdaBoost算法相結閤的方法,採用多呎度(His-togram of Oriented Gradient,HOG)特徵描述行人不同呎吋區域的特點,在樣本權重更新過程中引入非行人樣本的誤檢率,訓練瞭一箇級聯結構的行人分類器.結果錶明:選擇特徵數目為5箇時,改進後的AdaBoost算法檢測率和計算時間分彆為99.8%和577.66s.在INRIA行人數據庫上訓練瞭一箇六層結構級聯分類器,使用特徵數目為46箇時,檢測率達到96.74%,而誤檢率僅有3.26‰.
침대AdaBoost(Adaptive Boosting)산법모시장,검측정도저적문제,제출일충장지지향량궤(Support Vector Machine,SVM)여AdaBoost산법상결합적방법,채용다척도(His-togram of Oriented Gradient,HOG)특정묘술행인불동척촌구역적특점,재양본권중경신과정중인입비행인양본적오검솔,훈련료일개급련결구적행인분류기.결과표명:선택특정수목위5개시,개진후적AdaBoost산법검측솔화계산시간분별위99.8%화577.66s.재INRIA행인수거고상훈련료일개륙층결구급련분류기,사용특정수목위46개시,검측솔체도96.74%,이오검솔부유3.26‰.