需要金幣： 2000 個(gè)金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字?jǐn)?shù)：8894 |  | |
| 折扣與優(yōu)惠：團(tuán)購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘 要：時(shí)代在不斷的變化著、發(fā)展著，而伴隨著交通安全的行人安全越來越受到了人民群眾的關(guān)注，所以行人檢測也得到了越來越多的應(yīng)用。 本設(shè)計(jì)是基于Adaboost算法的實(shí)時(shí)行人檢測系統(tǒng)，這是通過對Haar特征以及積分圖，完成了對特征的選取和計(jì)算。并且將這些特征集合為弱分類器。并通過特定的規(guī)則，將弱分類器集合成一個(gè)強(qiáng)分類器，然后再把這些強(qiáng)分類器再次聯(lián)合起來，形成一個(gè)快速的準(zhǔn)確的級聯(lián)分類器。從而能夠有效進(jìn)行行人檢測。通過實(shí)驗(yàn)證明了基于Adaboost算法具有檢測速度快、時(shí)間短準(zhǔn)確率高等顯著優(yōu)點(diǎn)。并且引入了檢測率，最終能夠達(dá)到了實(shí)時(shí)行人檢測的要求。 關(guān)鍵詞：Adaboost算法，特征，行人檢測，檢測率
目錄 摘要 Abstract 1前言-4 1.1研究背景-4 1.2 設(shè)計(jì)意義-5 2 系統(tǒng)檢測流程-5 3. Adaboost方法的引入-5 3.1 Boosting方法的提出和發(fā)展-6 3.2 AdaBoost算法的提出-6 4. 矩形特征-7 4.1 Haar特征\矩形特征-7 4.2子窗口內(nèi)的條件矩形，矩形特征個(gè)數(shù)的計(jì)算-8 4.3條件矩形的數(shù)量-9 5. 積分圖-10 5.1 積分圖的概念-10 5.2 利用積分圖計(jì)算特征值-11 5.3 計(jì)算特征值-12 6.級聯(lián)分類器與檢測過程-12 6.1弱分類器-12 6.2 訓(xùn)練強(qiáng)分類器-13 6.3弱分類器的Haar特征分類-14 6.4 弱分類器的訓(xùn)練及選取-18 6.5 強(qiáng)分類器-19 7. 圖像檢測-19 結(jié) 論-20 參考文獻(xiàn)-21 致謝-22 附錄-23 |
