行人检测（haar+adaboost 与 hog+SVM）

本文主要是介绍行人检测（haar+adaboost 与 hog+SVM），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

    最近在做行人检测，而最流行，也是最老的两种方法就是haar+adaboost 与 hog+SVM。两种我都尝试了，效果并不如想象的好，所以要想有更好的效果，一是要有预处理，二是要有更大量的正负样本。

   下面现总结一下自己应用的 haar+Adaboost 进行的行人检测：

   我分别训练了两个分类器，训练数据库均来自NICTA（澳大利亚信息与通讯技术研究中心），用其中的2000张做证样本，5000多张做负样本（自己在网上找的）得到第一个分类器；后来因为对于侧身人体检测效果不好，我又从数据库中找到并裁剪了800张侧身正样本（真心费眼睛啊……），负样本同上，从而得到了第二个分类器。调整cvHaarDetectObjects（）参数后得到的效果图如（1）（2）所示。

    而对于 HOG + SVM，因为要求图片较大，所以能找到的数据库只有MIT和INRIA的能用。所以正样本1511张，负样本5748张，得到的分类器效果如（3）所示。

  （1）first classifier(haar): (2）second classifier(haar):（3）third classifier(hog):

1.   

这篇关于行人检测（haar+adaboost 与 hog+SVM）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---