采用HOG特征和机器学习的 行人检测方法

• 作者: 王佳斌 郑力新 陈丽枫
• 来源期刊: 华侨大学学报（自然科学版）
• 关键词: 行人检测 行人候选区域 梯度方向直方图 反向传播神经网络 Adaboost算法
• 年，卷（期）: 2018,（5）
• 页码范围: 768-773
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11830/ISSN.1000-5013.201612041

摘要

针对基于方向梯度直方图(HOG)/线性支持向量机(SVM)算法的行人检测方法中存在检测速度慢的问题,提出一种将HOG特征与Adaboost-BP模型相结合的行人检测方法.利用边缘检测技术快速检测出行人候选区域,提取出多尺度多方向的HOG特征,利用Adaboost算法训练多个反向传播神经网络用于构建强分类器,实现对测试样本图像的检测识别.结果表明:文中方法具有更高的检测率、更低的误报率和漏检率,具有较好的检测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑力新	华侨大学工学院	144	934	15.0	24.0
5	王佳斌	华侨大学工学院	33	132	5.0	10.0
9	陈丽枫	华侨大学工学院	3	45	2.0	3.0