欢迎来到天天文库
浏览记录
ID:51468003
大小:1.85 MB
页数:8页
时间:2020-03-25
《面向车载辅助驾驶系统的快速行人检测方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第30卷第11期2013年11月公路交通科技JournalofHighwayandTransportationResearchandDevelopmentV01.30No.11NOV.2013doi:10.3969/j.issn.1002—0268.2013.11.021面向车载辅助驾驶系统的快速行人检测方法张阳1,刘伟铭2,吴义虎3(1.福建工程学院,福建福州350108;2.华南理工大学土木与交通学院,广东广州510640;3.长沙理工大学交通运输工程学院,湖南长沙410004)摘要:针对现有行人检测方法中行人特征描述易受光照变化影
2、响及特征分类算法易受样本非均衡因素干扰等问题,提出一种改进的面向车载辅助驾驶系统的快速行人检测方法。通过改进标量特征的提取和组合方式增强其光照不变性,并结合改进的GSRLBP行人纹理特征进一步消除虚警的影响;同时引入代价敏感的思想,提出一种基于CS.SVM的非均衡GentleAdaBoost分类算法,引入代价敏感的SVM搭建弱分类器,并结合非均衡GentleAdaboost算法规则将弱分类器组合为强分类器,使其有利于解决正负样本数量不均等的行人分类问题。试验结果表明,改进的行人检测方法在检测率及虚警率指标上均优于其他经典算法,实时性上也
3、能满足实际使用的需求。关键词:交通工程;行人检测;特征提取;辅助驾驶;代价敏感中图分类号:U491文献标识码:A文章编号:1002—0268(2013)11—0131—08AFastPedestrianDetectionMethodforVehicleAuxiliaryDrivingSystemZHANGYan91,LIUWei—min92,WUYi—hu3(1.FujianUniversityofTechnology,FuzhouFujian350108,China;2.SchoolofCivilEngineeringandTrans
4、portation,SouthChinaUniversityofTechnology,GuangzhouGuangdong510640,China;3.SchoolofTrafficandTransportationEngineering,ChangshaUniversityofScience&Technology,ChangshaHunan410004,China)Abstract:Inviewoftheproblemthatthefeaturedescriptionofexistingpedestriandetectionmetho
5、dissusceptibletolightchangeandthefeatureclassificationalgorithmisvulnerabletonon-equilibriumfactorsofsample,animprovedfastpedestriandetectionmethodforvehicleauxiliarydrivingsystemisproposed.Theilluminationinvariancecanbeenhancedbyimprovingtheextractionandthecombinationof
6、scalarfeature,andthefalsealarmcanbefurthereliminatedcombiningwiththemodifiedGSRLBPpedestriantexturefeature.Byintroducingtheideaofcostsensitivity,aclassificationalgorithmnamedasymmetricgentleAdaBoostbasedonCS·SVMisproposed.ThisnewalgorithmleadinCost-sensitiveSVMasweakclas
7、sifieranduseasymmetricGentleAdaBoostalgorithmtocomposeweakclassifierintostrongclassifier,SOthatitisconducivetoresolvingtheinequalityofpositiveandnegativesamplesinpedestrianclassification.Theexperimentalresuhshowsthatthedetectionrateandfalsealarmrateoftheimprovedpedestria
8、ndetectionmethodarebetterthanthoseofotherclassicalalgorithms,andthereal·timeperformancealsocanmeetthene
此文档下载收益归作者所有