基于ACF算法的行人檢測研究

晏 棟，孫作雷，張 倉，黃冠明

（上海海事大學 上海201306）

基于ACF算法的行人檢測研究

晏 棟，孫作雷，張 倉，黃冠明

（上海海事大學 上海201306）

近年來，關于行人檢測領域的研究，人們提出了各種各樣的方法。其中，多樣化的特征和高效的分類器是這些研究的關鍵，本文就是在這兩個方面找到一種更高效的方法來提高性能。我們的行人檢測方法是將3種特征關聯在一起，包括負特征（objectness features）、突出特征（salient feature）和邊緣特征（edgebox feature）。與此同時，我們改進分類器的架構以提升性能。通過Caltech-USA和INRIA這兩個數據庫對模型進行訓練，相比于一般的檢測模型，我們的準確率提高了20%。

行人檢測；關聯特征；邊緣特征；突出特征；分類器

行人檢測如今已經應用到生活的多個領域，如智能監控、無人駕駛和智能相機等。自hog提出行人檢測這一思想，到如今已經有約有數千種方法。現有的行人檢測方法大致可以分成三大類：DPM變體、深度網絡和決策森林。Felzenszwalb提出了dpm算法，這是一個強大的目標檢測模型，并且巧妙的利用在行人檢測領域。以前的神經網絡更加關注與對行人的檢測。基于決策森林的算法能夠快速的確定各種合理的特征，以確保探測的質量和速度，本文提出的方法也屬于這一類[1-4]。

1 研究背景

在計算機識別領域，行人檢測一直是一個熱門研究課題，特別是2005年以后進入了一個快速發展的時期，數據庫訓練變得更大、更復雜，它要求探測器具有更高的精度和處理速度。Dalal和Triggs研究了目標檢測的特征集，然后他們發現HOG的優勢在于對特征邊緣和梯度的描述，以及提出了一種新的SVM算法，用麻省理工的行人數據庫檢測有很好的效果。……