[发明专利]基于Adaboost算法的多尺度行人检测方法

摘要

一种基于Adaboost算法的多尺度行人检测方法，其包括如下步骤：训练分类器：训练数据集的构造，训练数据集由N个样本组成；计算Haar-like特征；对得到的特征按照最小错误率的方法进行训练分类，每轮都会得到一个弱分类器，用弱分类器组合得到最后强分类器；对行人图片进行检测：输入要检测的图片；设定检测窗口和检测步长；按不同的尺度放大缩小图像；按设定的检测窗口和检测步长遍历图像，加载Adboost算法构造的强分类器进行检测；判断窗口中是否包括行人，保存检测结果；对放大缩小图像的检测结果进行合并；检测结果假阳性去除，用无重去除法和二次分类器验证法对检测结果进行验证，去掉明显不是行人的区域。本发明选用Harr-like特征作为行人检测的特征向量，是对客观对象的一种描述，本发明具有较高检测率的优点。

主权项

一种基于Adaboost算法的多尺度行人检测方法，其包括如下步骤： ⑴训练分类器 ①、训练数据集的构造，训练数据集由N个样本组成，其中正样本为行人，负样本为非行人(背景)； ②、计算Haar‑like特征，选择了A、B、C、D、E、F、G这七种矩形特征来描述行人； ③、构造分类器，对由②得到的特征按照最小错误率的方法进行训练分类，每轮都会得到一个弱分类器，用弱分类器组合得到最后强分类器； ⑵、对行人图片进行检测 ①、输入要检测的图片； ②、设定检测窗口和检测步长，检测窗口与样本的大小相同为64像素*128像素，检测步长选取8像素，10像素，12像素； ③、按不同的尺度放大缩小图像； ④、按设定的检测窗口和检测步长遍历图像，加载Adboost算法构造的强分类器进行检测； ⑤、判断窗口中是否包括行人，保存检测结果； ⑥、对放大缩小图像的检测结果进行合并； ⑦、检测结果假阳性去除。用无重去除法和二次分类器验证法对检测结果进行验证，去掉明显不是行人的区域。