基于Adaboost算法选取和组合SVM的行人检测算法

• 作者: 张丽红 李林
• 来源期刊: 测试技术学报
• 学科: 工学
• 关键词: Adaboost 支持向量机 行人检测 方向梯度直方图 分类器
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 信号检测、算法与仿真
• 页码范围: 73-78
• 页数: 6页
• 分类号: TP301.6
• 字数: 3239字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7449.2013.01.014

摘要

行人检测是计算机视觉中一个重要的研究方向,为了提高行人的识别精度,将支持向量机(Support Vector Machine,SVM)和Adaboost算法结合起来,SVM是基于结构风险最小化准则的新型机器学习算法,适合小样本学习并且能够有效地抑制过拟合问题,Adabost基于最小化训练错误率,一般使用易训练的分类器作为弱分类器.由于SVM比较难训练,因此将样本集划分形成多个训练集,然后利用正样本和不同的负样本组成不同训练集反复训练,最后通过Adaboost对训练集生成的SVM模型筛选出具有最小错误率的SVM分类器并且采用投票机制形成最终的强分类器.实验结果表明,在FPPW(false positive per window)为10-5时检测率能够达到30％,检测效果优于单个SVM算法训练出来的分类器模型,用行人测试库测试,该方法取得了较好的检测效果并且具有较强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张丽红	山西大学物理电子工程学院	44	191	8.0	12.0
2	李林	山西大学物理电子工程学院	13	43	3.0	6.0