基于adaboost的行人检测预警方法

《基于adaboost的行人检测预警方法》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。基于AdaBoost的行人检测预警方法　　摘要：在辅助驾驶中对行人检测的实时性要求较高，然而现有方法的计算复杂度普遍较高，难以满足实时应用的需求。该文提出了一种基于AdaBoost算法的行人检测与预警方法。行人探测器由Opencv训练，并且训练12级行人探测器。通过在处理器上使用检测器，实现视频图像的行人检测功能。另外，通过使用可变步长和分区扫描跟踪方法，有效提高了检测率，实时检测的要求基本达到。采用均匀化预处理和多

2、尺度融合技术提高了检测过程中检测率；通过直方图均衡办法有效地剔除了光影等因素对测试结果的影响；在测试完成后，通过多尺度融合技术消除冗余部分的测试结果，最终不仅减低了误报率而且大大提高检测效率。　　关键词：AdaBoost；行人检测；多尺度融合；快速扫描　　中图分类号：TP311文献标识码：A文章编号：1009--0174-04　　行人检测是指在图像中或者视频图像中，确认是否有行人，如果有行人，那么将会对其进行预警的处理。行人检测是汽车安全的关键技术，也是行人跟踪，行为分析，步态分析，等研究的必要步骤。近年来行人检测越来越多的向新兴领域靠近，但是在处理的过程中特别容易受到外界环境的一些影响。现

3、在常用的行人检测的方法就是模式识别类的方法。为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　庄家俊等人通过模板匹配的方法来检测夜间行人，首先通过预处理图片来选取可能存在目标的局部区域，再根据候选区域利用特征末班匹配进行分类，这种二次处理检测的算法虽然降低了算法冗杂度，但是由于第

4、一级处理的程度太大，剔除掉了一部分目标区域，从而导致漏检现象。郭烈根据行人腿部具有边缘对称性，利用sobel算子提取车载视频中图像的垂直边缘并且找到对称中心，再根据行人的高度与宽度比，从而检测图像中的行人，但是该方法的计算量太大，算法非常的冗杂的弊端。宁博利用集成学习方法改变传统学习中泛化能力；根据特征选择的方法来选取关键特征，这样很大程度地减少了计算量；并且其引入了动态分类器的方法，增大了外界环境变化的鲁棒性，但是由于算法太过复杂，根本无法达到实时检测。　　本文提出了一种基于AdaBoost算法的行人检测与预警方法。行人探测器由Opencv训练，并且训练12级行人探测器。通过在处理器上使用

5、检测器，实现视频图像的行人检测功能。另外，通过使用可变步长和分区扫描跟踪方法，增大了检测率，实时检测的要求基本达到。采用均匀化预处理和多尺度融合技术提高了检测过程中检测率；通过直方图均衡办法有效地剔除了光影等因素对测试结果的影响；在测试完成后，通过多尺度融合技术消除冗余部分的测试结果，最终提高检测率，降低误报率。　　1训练分类器为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进

6、行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　训练分类器的就是先选择样本，再对样本进行离线训练。训练分类器的过程如图1，首先选择训练样本集即选择正样本集和负样本集，再通过开源软件opencv的程序来完成训练分类器的训练。　　选择样本　　我们将HKPC得到的行人样本作为正训练样本集；负样本集采用INRIA样本集即没有行人的任何图片。我们使用了4454份行人正面样本和9万份INRIA负样本。训练的样本如图2。　　创建级联分类器　　创建AdaBoom级联分类器即使用opencv的开源代码来完成。首先新建2个文件夹，一个在其储存4454个正样本，

7、一个保存9000个负样本。然后新建文本文档，类似img/1002040…其中20是检测窗口的初始宽，40是检测窗口的初始高。接着创建文本文档，类似于-img/…。接着运行程序，将正样本文件转成vec文件。最后运行程序将得到的vec文件和负样本一起作为参数并训练分类器，训练24小时。部分训练参数见表1。　　数据分析　　从表中可以看出，在少数情况下，前者的强分类器才具有特征的数量为了充分发挥“教学点数字教育资源全