一种基于多特征和机器学习的分级行人检测方法

针对单幅图像中的行人检测问题,提出了基于自适应增强算法(Adaboost)和支持向量机(Support vector machine, SVM)的两级检测方法, 应用粗细结合的思想有效提高检测的精度.粗级行人检测器通过提取四方向特征(Four direction features, FDF)和GAB (Gentle Adaboost)级联训练得到,精密级行人检测器用熵梯度直方图(Entropy-histograms of oriented gradients, EHOG)作为特征, 通过支持向量机学习得到.本文提出的EHOG特征考虑到熵, 通过分布的混乱程度描述,具有分辨行人和类似人的物体能力. 实验结果表明,本文提出的EHOG、粗细结合的两级检测方法能准确地检测出复杂背景下不同姿势的直立行人, 检测精度优于以往Adaboost方法.     

基于MATLAB的激光测高仪回波信号分析

利用MATLAB实现了激光测高仪回波信号分析。在激光测高仪回波信号是由多个高斯函数叠加的理论前提下,基于MATLAB平台,从回波数据中分解出每个有效的高斯分量,获取各个高斯分量的特征参数(中心位置、半宽和幅度)。在信号分析过程中,采用了平面曲线离散点集拐点的快速查找算法和Levenberg-marquardt拟合方法。文章通过实例证明,该算法对激光测高回波信号进行分析可以准确获得高斯函数的特性参数。