基于Gentleboost算法的人物检测

传统的人物检测方法多是对于小样本,并且对于背景复杂的图片检测率很低,但是现实中的场景复杂,而且实时检测系统需要处理大量图片。针对传统检测方法在人体检测中的这些不足,提出了一种基于集成学习的方法——Gentleboost算法的人物检测方法,利用人物的身体碎片以及这些碎片相对于身体中心的相对位置作为特征,用Gentleboost算法训练的分类器来对人体进行分类。为了提高分类器的学习效率,解决复杂场景中人体检测的难题,提出了一种利用线性回归末端作为弱分类器的方法,从正、负两个方面对预测模型进行加权,改变了原来的仅从正预测进行加权的方法。将Gentleboost和基于YCbCr外表滤波加上身体部分特征的人物检测算法(简称为YCbCr算法)进行比较,并且对不同迭代次数的分类性能也进行了比较。实验结果表明,Gentle-boost的性能要优于YCbCr算法,而且随着迭代次数的增加,检测精度也随着增加,并且逐渐趋于稳定。该方法执行起来简单,数值上也比较稳定,正确率高,可以处理大量图片,解决了人体检测中的一些关键问题。

基于HOG-GentleBoost的车辆检测方法

针对实际场景中的车辆检测,提供了一种快速有效的检测方法。首先对检测图像进行拉普拉斯锐化增强图像的边缘,其次进行方向梯度直方图(HOG)特征提取,然后用Gentleboost算法训练的分类器来对目标车辆进行分类。实验结果及正确—召回曲线(Precision-Recall)表明,该方法能在在道路、地下停车场等不同光照环境下进行车辆检测,检测精度较高且算法检测收敛速度较快。

考虑车辆历史状态数据的加速车道汇入策略研究

为研究汇入场景中车辆历史状态数据对高速公路加速车道汇入车辆汇入决策行为的影响,本文结合GentleBoost(Gentle adaptive Boosting)集成学习算法框架,提出考虑历史时间窗口的加速车道汇入决策模型。首先,使用高精度摄像头和毫米波雷达组成路侧数据采集平台,采集国内典型高速公路加速车道车辆汇入行为数据。其次,搭建汇入决策模型,基于汇入场景车辆当前时刻状态信息和历史状态信息,考虑剩余加速车道长度的影响,建立GentleBoost汇入决策模型。最后,通过SUMO(Simulation of Urban Mobility)仿真平台和MATLAB算法控制平台搭建智能网联高速公路加速车道汇入仿真测试环境,测试不同主线交通流密度下的汇入决策效果。研究结果表明,随着车辆历史状态数据时间窗口的增大,汇入决策模型的准确率先增大后趋于稳定。在考虑汇入场景车辆历史状态信息的时间窗口为1.7 s时,GentleBoost模型得到了最大的汇入决策识别准确率,其中识别“汇入”事件的准确率为98.9%,识别“不汇入”事件的准确率为97.4%。微观仿真结果表明,相比SUMO中的LC2013换道模型,考虑车辆历史状态信息的GentleBoost汇入决策模型获得了更高的汇入成功率和更大的通过平均速度。

移动机器人基于三维激光测距的室内场景认知

研究了移动机器人在室内三维环境中的场景认知问题.室内场景框架具有结构化特性,而室内多样化的物体则难以进行模型化表述.本文利用区域扩张算法进行平面特征的提取,并根据平面属性及其相互间的空间关系,完成室内场景框架的辨识.为了借鉴图像处理领域的物体识别方法,本文提出一种基于Bearing Angle模型的激光测距数据表述方法,从而将三维点云数据转换为二维Bearing Angle图.同一类物体中的个体形态具有多样性,同时观测视角也导致激光测距数据的显著差异.针对这些问题,采用一种基于Gentleboost算法的有监督学习方法,并利用物体碎片及其相对于物体中心的位置作为特征,从而完成室内场景中的物体认知.利用室内场景框架辨识结果在Bearing Angle图中进行天棚、地面、墙壁、房门等区域的标记,并利用所产生的语义信息去除错误的认知结果,从而有助于提高识别率.利用实际机器人平台所获得的实验结果验证了所提方法的有效性.

基于HOG-CSLBP的快速行人检测算法

针对现存行人检测方法中行人特征描述易受周围光照影响及特征分类算法易受样本不确定性因素干扰等问题,提出一种基于变粒度HOG-CSLBP特征的行人检测算法。对HOG特征进行变粒度编码,融合纹理特征,构造出新的HOGCSLBP特征,利用非对称GentleBoost算法训练弱检测器,利用嵌套级联结构的检测器实现行人检测。在公开INRIA行人库上的实验结果表明,该方法与其它方法相比具有检测精度高、速度快等优点,能够满足实时检测的要求。

基于MBLBP与Haar特征提取的驾驶疲劳检测

为了提高驾驶员疲劳驾驶的检测效率,提取人脸和人眼的MBLBP与Haar特征,使用gentleboost训练方法得到多级强分类器,用级联的方法对人脸和人眼进行检测和识别.当系统连续三帧检测到人脸但检测不到人眼的情况下判定驾驶员出现疲劳.加入人脸肤色验证信息,构建6个视角分类器,使用动态表观模型(AAM)来拟合人眼.试验结果表明大大提高了驾驶员疲劳的检测效果.

一种眼睛精确定位的人脸检测方法

提出了一种图像生成的概率模型,通过检测人脸区域与该区域内人脸的特征,获得最佳的推理算法.该方法将图像分割成若干任意大小区域,包括人脸区域与背景区域,其目的是对相似度模型进行改进,以便判别人脸与背景区域的生成部分,然后利用GentleBoost算法定位出任意图像的人脸和人眼部分.实验结果表明,采用该方法能获得较好的效果,具有一定的使用价值.

基于共享特征的高分辨率遥感影像多级分类

高分辨率遥感影像细节丰富,具有类内差异大、类间差异不明显的特点。为此,模拟人的目视解译方式,提出一种基于共享特征的多级二叉树分类算法,把多类分类问题划分为多个两类分类问题,每级两类分类都提取共享特征,仅解译一类目标,已解译的类别不再参加后面的分类,利用这样的逐步淘汰机制完成一幅遥感影像的全部解译。实验结果表明,与K近邻、支持向量机等其他多类分类算法相比,该算法具有更高的分类精度。

实时行人检测算法的研究与应用

为了提高实时行人检测结果的准确性,避免出现较大的漏检率,分析了现阶段使用较广泛的实时行人检测算法:经典AdaBoost算法和非对称的GentleBoost算法。通过对比分析发现,非对称的GentleBoost算法能够针对实时行人检测筛选出特定的区域,降低训练样本的总数。同时,经过与传统的行人检测算法进行对比试验发现,所提出的算法能够在复杂的行人背景下进行分析,提高了实时行人检测的准确度和降低漏检率。