一种基于AdaBoost分类器的行人检测模型训练方法

摘要

本发明公开了一种基于AdaBoost训练器的行人检测模型训练方法，首先在AdaBoost训练过程中实时统计样本权重值的和，当其退化到一定程度时，则用当前已经训练好的弱分类器组去扫描非行人图像中的误检窗口，并作为困难样本添加到负样本训练集中，然后减小退化程度阈值，以降低样本更新频率，最后通过随机抽样剔除部分负样本，减少负样本训练集数量，以减少训练过程计算量。该方法能在不改变特征提取方法的前提下，最大限度的提升分类器的训练效果，提升最终检测精度。

主权项

一种基于AdaBoost分类器的行人检测模型训练方法，其特征在于：首先通过已知的标准行人数据集确定初始正负样本训练集及正负样本的权重,然后在AdaBoost训练过程中实时统计训练集中样本权重值的和，当训练集发生明显的权重退化时，用当前已经训练好的弱分类器组去滑窗扫描检测原始数据集中的非行人图像，并将误检窗口图像作为困难样本添加到负样本训练集中,然后通过随机抽样剔除部分负样本；最后减小退化程度阈值，降低训练集更新频率，继续AdaBoost训练过程，直至最终得到行人检测模型。