基于SC-AdaBoost的图像目标检测-论文.pdf

《基于SC-AdaBoost的图像目标检测-论文.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42卷第7期计算机科学Vo1．42No．72015年7月ComputerScienceJuly2015基于SC-AdaBoost的图像目标检测张朝晖刘永霞雷倩(河北师范大学数学与信息科学学院石家庄050024)(河北师范大学移动物联网研究院石家庄050024)(河北省计算数学与应用重点实验室石家庄050024)。摘要基于AdaBoost分类器的图像／视频目标检测系统具有检测精度高、检测速度快的特点，但当训练样本数目多、样本描述的特征维数高时，分类器的训练过程将会异常缓慢。为有效改善分类器训练的时间性能，从限制弱分类器训练样本规模的角度，提出了一种改进的boosting分类器

2、训练模型，即基于SGAdaBoost的分类器训练模型。基于VOC2006数据集的车辆检测实验表明，在不损失分类器检测性能的前提下，SC-AdaBoost训练模型可明显减少分类器的训练时间。关键词训练集收缩，SC-AdaBoost算法，支持向量机，AdaBoost算法，目标检测中图法分类号TP391．4文献标识码ADOI10．11896／j．issn．1002—137)(．2015．7．066Image0bjectDetectionBasedOilSC-AdaBoostZHANGZhao-hui’’。LIUYong-xiaLEIQian(CollegeofMathematics

3、andInformationScience，HebeiNormalUniversity，Shijiazhuang050024，China)(MobileInternetofThingsInstitute，HebeiNormalUniversity，Shijiazhuang050024，China)。(HebeiProvinceKeyLaboratoryofComputationalMathematicsandApplications，HebeiNormalUniversity，Shijiazhuang050024，China)。AbstractAlthoughAdaBoost

4、—basedobjectdetectionfromimage／videodadaholdsthecharacteristicsofgooddetectionprecisionandhighdetectionspeed，thetrainingprocedureismuchmoreslowlyespeciallywhenthenumberofbothsam—piesandfeaturedimensionalityishigh．Withtheaimofefficientlyimprovingthetrainingperformance，thispaperpro—posedanalg

5、orithmcalledSC-AdaBoost．ExperimentalresultsforcardetectionbasedonVOC2O06datasetsshowthatwhenthenumberoftrainingsamplesisverylarge，theproposedalgorithmcanevidentlyreducethewholetrainingtimewithoutlossofdetectionperformance．KeywordsTrainingsetshrinking，SC-AdaBoostalgorithm，Supportvecmrmachine

6、s，AdaBoostalgorithm，Objectdetection器训练过程中计算量的显著增加。上述分析表明：样本数目1引言过大、特征维数过高是直接导致AdaBoost训练过程非常缓慢在图像或视频中进行人脸、行人、车辆等的目标检测是计的两个主要因素。缓慢的训练过程与较快的目标检测速度形算机视觉领域的一项重要研究内容，在视频监控、自动目标识成一对鲜明的矛盾，这在一定程度上制约了AdaBoost分类器别等领域有着重要的应用价值。其中，基于机器学习的识别的使用，因此有必要探讨加速AdaBoost训练过程的解决方方法具有识别性能高、鲁棒性好的特点，在图像或视频目标检案。测中广受关

7、注，较为典型的两种方法为：基于boosting的方分析影响AdaBoost训练过程的两个主要因素可知，有两法_1J和基于支持向量机(SupportVectorMachine，SVM)的种途径可以加速AdaBoost的训练过程：(1)限制每个弱分类方法]。器训练所使用的样本集规模；(2)限定特征搜索在一个较小的AdaBoost是boosting技术中的一个典型代表，它在人特征子集中。脸检测方面的成功应用[1]表明，目标检测不仅可以使检测精SVM是一种基于统计学习理论_8]的机器学习方法，它遵度得到提高，而