CAJ | 학술논문

传统的人物检测方法多是对于小样本,并且对于背景复杂的图片检测率很低,但是现实中的场景复杂,而且实时检测系统需要处理大量图片.针对传统检测方法在人体检测中的这些不足,提出了一种基于集成学习的方法--Gentleboost算法的人物检测方法,利用人物的身体碎片以及这些碎片相对于身体中心的相对位置作为特征,用Gentleboost算法训练的分类器来对人体进行分类.为了提高分类器的学习效率,解决复杂场景中人体检测的难题,提出了一种利用线性回归末端作为弱分类器的方法,从正、负两个方面对预测模型进行加权,改变了原来的仅从正预测进行加权的方法.将Gentleboost和基于YCbCr外表滤波加上身体部分特征的人物检测算法(简称为YCbCr算法)进行比较,并且对不同迭代次数的分类性能也进行了比较.实验结果表明,Gentle-boost的性能要优于YCbCr算法,而且随着迭代次数的增加,检测精度也随着增加,并且逐渐趋于稳定.该方法执行起来简单,数值上也比较稳定,正确率高,可以处理大量图片,解决了人体检测中的一些关键问题.
전통적인물검측방법다시대우소양본,병차대우배경복잡적도편검측솔흔저,단시현실중적장경복잡,이차실시검측계통수요처리대량도편.침대전통검측방법재인체검측중적저사불족,제출료일충기우집성학습적방법--Gentleboost산법적인물검측방법,이용인물적신체쇄편이급저사쇄편상대우신체중심적상대위치작위특정,용Gentleboost산법훈련적분류기래대인체진행분류.위료제고분류기적학습효솔,해결복잡장경중인체검측적난제,제출료일충이용선성회귀말단작위약분류기적방법,종정、부량개방면대예측모형진행가권,개변료원래적부종정예측진행가권적방법.장Gentleboost화기우YCbCr외표려파가상신체부분특정적인물검측산법(간칭위YCbCr산법)진행비교,병차대불동질대차수적분류성능야진행료비교.실험결과표명,Gentle-boost적성능요우우YCbCr산법,이차수착질대차수적증가,검측정도야수착증가,병차축점추우은정.해방법집행기래간단,수치상야비교은정,정학솔고,가이처리대량도편,해결료인체검측중적일사관건문제.