论文部分内容阅读
针对传统的基于梯度方向直方图(HOG)特征的行人检测耗时较长的问题,提出了基于腿部HOG特征优化的行人检测方法。该方法采用加权Fisher线性判别(WLFD)代替线性SVM来选择最具区分性的HOG特征,在保持分类能力的同时减少训练时间和存储空间,而且选择查找表型弱分类器的GentleAdaboost算法来训练优化权重组合HOG特征,形成一个强分类器来检测行人。通过对线性SVM、加权Fisher与阈值型以及加权Fisher与查找表型三种弱分类器的对比试验表明,基于加权Fisher与查找表型HOG特征优化后不