文档介绍：上海交通大学
硕士学位论文
基于机器学习的行人检测关键技术研究
姓名:朱文佳
申请学位级别:硕士
专业:计算机应用技术
指导教师:戚飞虎
20080101
上海交通大学硕士学位论文
基于机器学习的行人检测关键技术研究

摘要

行人检测是物体检测的重要分支,是近年来计算机视觉领域备受关
注的前沿方向和研究热点。它在智能监控系统、驾驶员辅助系统、运动
分析、高级人机接口等众多领域拥有广泛的应用前景。当前的主流研究
方向是从机器学习出发,从大量的训练样本中自动抽取特征,建立人体
模型,把行人检测问题化为一个模式分类的问题。
本文以 Viola 提出的 boosted cascade 算法以及 Dalal 提出的梯度直方
图特征(hog)为基础,将两者有机地结合起来,应用到行人检测中。我们
在多个方面进行了改进:首先,我们利用级联分类器代替支持向量机,
大大提高了 hog 特征的计算速度。其二,我们将 Dalal 的 hog 特征与 haar
特征结合使用,弥补了 haar 特征在描述能力上的不足。我们还提出了
shog 特征来简化 hog, 减轻了特征的计算量。其三,我们使用实值
boosting 和查找表来取代 stump, 使弱分类器具有更强的描述能力。最
后,为了将高维的 hog 特征更好地融合入 adaboost 算法,我们先用加权
fisher 判别来寻找投影方向,将 hog 特征降到一维,再用查找表来估计
概率密度,大大缩短了训练时间并提高了检测精度。
通过这些改进,经实验证明我们的方法能够接近目前行人检测的领
先水平。在误报率为 1/10000 时,我们算法的检测率在一个复杂的行人
– I –
上海交通大学硕士学位论文
数据集 Inria 上可以达到 86%。对于 640X480 的图片,我们的检测速度
可以达到每秒 2 帧。同时,我们的训练时间只需要 8 个小时。

关键词: 行人检测,离散 boosting, 实值 boosting, 梯度直方图,
级联分类器

– II –
上海交通大学硕士学位论文
Study on the technology of pedestrian detection
based on machine learning

Abstract

Pedestrian detection is an important branch of object detection.
Nowadays, it’s intensively investigated and ing a hot topic in
the field puter vision. It could be widely used in smart
surveillance, driver assistant systems, motion analysis, advanced
human-machine interfaces and so on. Its potential application is very
promising. The state of the art is mainly based on machine learning,
which extracts features and establish pedestrian model by learning
from training samples.
bine Viola’s algorithm and Dalal’s hog(histogram of
gradients) feature and apply them to pedestrian detection. We
improve the algorithm from the following aspects: First, we use a
cascade classifier instead of support vector machine to greatly
improve the detection speed. Second,we adopt both hog feature and
haar feature to gain more descriptive ability. Besides, we simplify hog
fea