智能交通行人檢測系統(tǒng)的分類技術研究.pdf

1、智能交通的行人檢測系統(tǒng)是指通過汽車上動態(tài)的視覺傳感器，對汽車視覺范圍內的行人進行檢測，從而在對行人運動理解的基礎上，采取一定的措施，達到輔助駕駛甚至自動駕駛的功能的一個系統(tǒng)。行人檢測技術是智能交通的重要組成部分，是一門交叉了多種學科和多種系統(tǒng)的綜合技術，包括傳感器系統(tǒng)，硬件計算系統(tǒng)，智能系統(tǒng)等一系列因素。
　　 著重于找到一種更好的分類方法，本文調研了特征提取和分類技術的發(fā)展，分析了現(xiàn)有方法的不足及其原因，總結了行人檢測的研究現(xiàn)

2、狀，在分類方法上提出了改進的思路。傳統(tǒng)的分類器和組合方法在行人檢測中都遇到了各自的缺陷，SVM分類方法在模式識別的很多領域被廣泛應用，但是由于其計算代價大而使得其在行人檢測中沒有得到充分的利用。
　　 特征選擇在模式分類中扮演了一個重要的角色。它的目標是盡可能多地將不相關特征排除在外，同時，得到區(qū)分度大的特征子集。那些信息量小的特征的存在，不僅使得學習算法表現(xiàn)不佳，而且會掩蓋數(shù)據背后重要的本質信息。隨著新興技術的發(fā)展，在很多領域

3、數(shù)據集變得越來越大，很多不相關特征通常會出現(xiàn)在這樣的數(shù)據集中，使得傳統(tǒng)的學習算法遇到了巨大的挑戰(zhàn)，尤其在效率和推廣性方面。于是，一種可以從數(shù)據集中消除冗余和非相關信息的算法變得十分必要。本文提出利用基于boosting策略的特征選擇方法，通過基于核空間的距離評價函數(shù)，采用前向分步搜索方法，為核向量機(CVM)分類器選擇特征子集。實驗結果顯示，這種方法和非boosting策略，以及其他評價方法相比，能給分類器帶來更優(yōu)的特征。