论文部分内容阅读
针对自然背景下的行人检测问题,提出一种多特征与霍夫森林结合的行人检测算法。在特征提取阶段,分别采用梯度方向直方图、局部二值模式和LAB颜色空间来提取行人的梯度、纹理和颜色频率特征,构成丰富的特征集来描述行人;采用霍夫森林算法来创建分类器,对其投票方式进行改进,提出一种基于高斯模板的区域加权投票方式,提高了检测精度。实验结果表明,该算法在误检率FPPW为10-4时,检测率为90.12%,ROC曲线性能上优于HOG+SVM与原霍夫森林算法。