论文部分内容阅读
针对AdaBoost(Adaptive Boosting)算法耗时长,检测精度低的问题,提出一种将支持向量机(Support Vector Machine,SVM)与AdaBoost算法相结合的方法,采用多尺度(Histogram of Oriented Gradient,HOG)特征描述行人不同尺寸区域的特点,在样本权重更新过程中引入非行人样本的误检率,训练了一个级联结构的行人分类器.结果表明:选择特征数目为5个时,改进后的AdaBoost算法检测率和计算时间分别为99.8%和577.66s.在I