高技术通讯
高技術通訊
고기술통신
HIGH TECHNOLOGY LETTERS
2013年
2期
203-207
,共5页
郭烈%赵宗艳%赵一兵%杨成%张广西
郭烈%趙宗豔%趙一兵%楊成%張廣西
곽렬%조종염%조일병%양성%장엄서
交通安全%行人检测%梯度方向直方图(HOG)%Gentle Adaboost
交通安全%行人檢測%梯度方嚮直方圖(HOG)%Gentle Adaboost
교통안전%행인검측%제도방향직방도(HOG)%Gentle Adaboost
针对传统的基于梯度方向直方图(HOG)特征的行人检测耗时较长的问题,提出了基于腿部HOG特征优化的行人检测方法.该方法采用加权Fisher线性判别(WLFD)代替线性SVM来选择最具区分性的HOG特征,在保持分类能力的同时减少训练时间和存储空间,而且选择查找表型弱分类器的Gentle Adaboost算法来训练优化权重组合HOG特征,形成一个强分类器来检测行人.通过对线性SVM、加权Fisher与阈值型以及加权Fisher与查找表型三种弱分类器的对比试验表明,基于加权Fisher与查找表型HOG特征优化后不仅提高了检测精度,而且训练时间和检测时间也能明显降低.
針對傳統的基于梯度方嚮直方圖(HOG)特徵的行人檢測耗時較長的問題,提齣瞭基于腿部HOG特徵優化的行人檢測方法.該方法採用加權Fisher線性判彆(WLFD)代替線性SVM來選擇最具區分性的HOG特徵,在保持分類能力的同時減少訓練時間和存儲空間,而且選擇查找錶型弱分類器的Gentle Adaboost算法來訓練優化權重組閤HOG特徵,形成一箇彊分類器來檢測行人.通過對線性SVM、加權Fisher與閾值型以及加權Fisher與查找錶型三種弱分類器的對比試驗錶明,基于加權Fisher與查找錶型HOG特徵優化後不僅提高瞭檢測精度,而且訓練時間和檢測時間也能明顯降低.
침대전통적기우제도방향직방도(HOG)특정적행인검측모시교장적문제,제출료기우퇴부HOG특정우화적행인검측방법.해방법채용가권Fisher선성판별(WLFD)대체선성SVM래선택최구구분성적HOG특정,재보지분류능력적동시감소훈련시간화존저공간,이차선택사조표형약분류기적Gentle Adaboost산법래훈련우화권중조합HOG특정,형성일개강분류기래검측행인.통과대선성SVM、가권Fisher여역치형이급가권Fisher여사조표형삼충약분류기적대비시험표명,기우가권Fisher여사조표형HOG특정우화후불부제고료검측정도,이차훈련시간화검측시간야능명현강저.
