紋理與輪廓結(jié)合的行人檢測(cè)

　　針對(duì)在復(fù)雜場(chǎng)景下，聚合通道特征（ACF）的行人檢測(cè)算法存在檢測(cè)精度較低、誤檢率較高的問(wèn)題，提出一種結(jié)合紋理和輪廓特征的多通道行人檢測(cè)算法。算法由訓(xùn)練分類(lèi)器和檢測(cè)兩部分組成。在訓(xùn)練階段，首先提取ACF特征、局部二值模式（ LBP）紋理特征和ST（ Sketch Tokens）輪廓特征，然后對(duì)提取的三類(lèi)特征均采用Real AdaBoost分類(lèi)器進(jìn)行訓(xùn)練；在檢測(cè)階段，應(yīng)用了級(jí)聯(lián)檢測(cè)的思想，初期使用ACF分類(lèi)器處理所有實(shí)例，保留下來(lái)的少數(shù)實(shí)例應(yīng)用復(fù)雜的LBP及ST分類(lèi)器進(jìn)行逐次篩選。實(shí)驗(yàn)采用INRIA數(shù)據(jù)集對(duì)算法進(jìn)行仿真，該算法的平均對(duì)數(shù)漏檢率為13. 32%，與ACF算法相比平均對(duì)數(shù)漏檢率降低了3.73個(gè)百分點(diǎn)。實(shí)驗(yàn)結(jié)果表明LBP特征與ST特征能有對(duì)ACF特征進(jìn)行信息互補(bǔ)，從而在復(fù)雜場(chǎng)景下去掉部分誤判，提高了行人檢測(cè)的精度，同時(shí)應(yīng)用級(jí)聯(lián)檢測(cè)保證了多特征算法的計(jì)算效率。