模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2015, Vol. 28 Issue (6): 558-567    DOI: 10.16451/j.cnki.issn1003-6059.201506011
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于分割集成的行人检测方法*
罗会兰1, 彭凯1, 孔繁胜2
1.江西理工大学 信息工程学院 赣州 341000
2.浙江大学 计算机科学与技术学院 杭州 310027
Pedestrain Detection Method Based on Partition Ensemble
LUO Hui-Lan1, PENG Kai1, KONG Fan-Sheng2
1.School of Information Engineering, Jiangxi University of Science and Technology, Ganzhou 341000
2.College of Computer Science and Technology, Zhejiang University, Hangzhou 310027

全文: PDF (2161 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 为提高行人检测的准确率,提出基于分割集成的方法用于静态图片中的行人检测.先将每个训练样本均匀分割成若干区域,提取特征后利用AdaBoost算法对每个区域建立一个局部分类器,这些局部分类器加权组成一个全局分类器.采用不同的分割方法重复上述过程,得到多个全局分类器.为进一步提高检测效果,得到更好的平均性能,对每种分割方法分别使用方向梯度直方图、多尺度方向梯度直方图特征建立2个全局分类器.当检测新的窗口时,集成上述全局分类器,通过加权投票的方式决定最终的检测结果.在INRIA公共测试集上的实验表明,文中方法有效提高检测效果.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
罗会兰
彭凯
孔繁胜
关键词 行人检测集成学习分割集成方向梯度直方图(HOG)    
Abstract:To improve the accuracy of pedestrain detection, an ensemble approach for pedestrian detection in still images is proposed. Firstly, a partition ensemble method is used to evenly split the entire training window to get small regions, and features of small regions are extracted. Then, the AdaBoost classifiers are trained on different regions to get part classifiers. A global classifier is formed by weighted summing of these part classifiers. More global classifiers are obtained by using different partitioning methods to repeat the process. To improve detection results and achieve better performance, two global classifiers are built by using histograms of oriented gradient, and multi-level version of HOG descriptor features respectively for each partitioning method. The classifier ensemble is used to detect new images and the weighted voting method is used to decide the final results. Experimental results show that the proposed method achieves better performance than the whole window detector on INRIA dataset.
Key wordsPedestrain Detection    Ensemble Learning    Partition Ensemble    Histogram of Oriented Gradient (HOG)   
收稿日期: 2013-12-15     
ZTFLH: TP181  
基金资助:国家自然科学基金项目(No.61462035,61105042)、江西省教育厅科技项目(No.GJJ13421)资助
作者简介: 罗会兰(通讯作者),女,1974年生,博士后,教授,主要研究方向为机器学习、模式识别.E-mail:luohuilan@sina.com.彭凯,男,1987年生,硕士研究生,主要研究方向为模式识别.孔繁胜,男,1946年生,教授,博士生导师,主要研究方向为人工智能、知识发现.
引用本文:   
罗会兰, 彭凯, 孔繁胜. 基于分割集成的行人检测方法*[J]. 模式识别与人工智能, 2015, 28(6): 558-567. LUO Hui-Lan , PENG Kai , KONG Fan-Sheng. Pedestrain Detection Method Based on Partition Ensemble. , 2015, 28(6): 558-567.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201506011      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2015/V28/I6/558
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn