计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2012年
16期
196-199
,共4页
驾驶系统%行人检测%摄像机角度估计%类Haar特征%Real AdaBoost训练
駕駛繫統%行人檢測%攝像機角度估計%類Haar特徵%Real AdaBoost訓練
가사계통%행인검측%섭상궤각도고계%류Haar특정%Real AdaBoost훈련
大多数车载行人方案是基于特征选择和机器学习的,但大量特征的计算使实时性大幅降低.为将待检测窗口限制在最小的范围内,提出一种改进的基于立体视觉的摄像机角度估计自适应图像采样方法,利用基于类Haar特征和Real AdaBoost学习方法的分类器进行实现,在户外移动平台上对处于复杂动态背景中的行人目标进行检测.结果表明,与其他方法相比,该方法在保证检测效果的同时,计算时间仅为自适应路面拟合方法的13％.
大多數車載行人方案是基于特徵選擇和機器學習的,但大量特徵的計算使實時性大幅降低.為將待檢測窗口限製在最小的範圍內,提齣一種改進的基于立體視覺的攝像機角度估計自適應圖像採樣方法,利用基于類Haar特徵和Real AdaBoost學習方法的分類器進行實現,在戶外移動平檯上對處于複雜動態揹景中的行人目標進行檢測.結果錶明,與其他方法相比,該方法在保證檢測效果的同時,計算時間僅為自適應路麵擬閤方法的13％.
대다수차재행인방안시기우특정선택화궤기학습적,단대량특정적계산사실시성대폭강저.위장대검측창구한제재최소적범위내,제출일충개진적기우입체시각적섭상궤각도고계자괄응도상채양방법,이용기우류Haar특정화Real AdaBoost학습방법적분류기진행실현,재호외이동평태상대처우복잡동태배경중적행인목표진행검측.결과표명,여기타방법상비,해방법재보증검측효과적동시,계산시간부위자괄응로면의합방법적13％.
