基于改进EOH特征的行人检测

行人检测是物体检测领域的一大难点。为了进一步提高行人检测的精度和速度,将Kobi Levi和Yair Weiss提出的边缘方向直方图特征和传统的Adaboost算法两者有机地结合起来,提出了一种基于改进的EOH特征的行人检测算法。该算法首先对原先只适用于较为简单的人脸检测的EOH(edge orientation histogram)特征进行了改进,弥补了其对于行人的对称性特征的描述能力不足的问题,然后通过改进Adaboost算法中对样本权值进行调整的策略来减少overfitting。实验证明,该方法的检测性能能够接近目前行人检测的领先水平。在误报率为1/10000时,该算法在一个复杂的Inria行人数据集上的检测率可以达到90%。对于640×480大小的图片,该算法的检测速度可以达到2fps。