基于多特征融合的行人检测

研究了3 种不同类型的特征算子：梯度直方图（HOG）,基于Gabor 变 换的局部二值特征直方图（LGBPHS）和基于剪切波变换的直方图（HSC）在基于图像的 行人检测中的应用。提出了基于多特征融合的检测算子,对单一特征进行L1 范式规格化 之后,将3 个特征融合为一个高维的拥有大量信息的新特征,之后引入偏最小二乘法（PLS） 进行特征降维,得到最终的人体特征。利用线性SVM 作为分类器,在INRIA 人体库上进 行了实验,结果表明,融合后的特征极大的提高了检测率,在FPPW=10-5 时,检测率达到 了95.6%。