基于“关键点存在性特征”的AdaBoost实时车辆视觉检测
计算机视觉与模式识别
2009-10-08 v1 机器学习
摘要
我们展示了利用AdaBoost结合新颖的“关键点存在性特征”进行实时车辆视觉检测所取得的优异结果。这些弱分类器基于测试图像中是否存在一个“关键点”（~ 一个SURF兴趣点）来产生布尔响应，该关键点需具有与表征该特征的参考描述子足够相似（即在给定距离内）的描述子。在一个包含侧视车辆的公开图像数据集上进行的初步实验，在测试集上达到了95%的召回率和95%的精确率。此外，对AdaBoost所选关键点位置的分析表明，它们对应于目标类别的特定部分（如“车轮”或“侧裙”），因此具有“语义”含义。
引用
@article{arxiv.0910.1273,
title = {Adaboost with "Keypoint Presence Features" for Real-Time Vehicle Visual Detection},
author = {Taoufik Bdiri and Fabien Moutarde and Nicolas Bourdis and Bruno Steux},
journal= {arXiv preprint arXiv:0910.1273},
year = {2009}
}