论文部分内容阅读
为解决复杂场景目标识别中伪目标的干扰问题,采用基于Ada Boost分类的方法分析疑似目标的三维轨迹,结合真实目标共有的特征信息,进一步分类真实目标与伪目标。首先,根据深度相机获取的深度图像提取疑似目标的人头区域,利用Kalman滤波跟踪得到二维轨迹;其次,通过摄像机标定将目标的二维轨迹转换为空间中的三维轨迹;最后,利用Ada Boost训练正负样本得到强分类器,进一步分类真实目标与伪目标。实验结果表明,该方法能够有效地提高目标识别的精度,对复杂场景下的目标识别具有良好的适应性。