优化Hough森林代价损失的目标检测方法  

Visual Object Detection Method Based on Optimizing Hough Forest Cost Loss

作　　者：李子龙[1] 刘伟铭[2] 

机构地区：[1]徐州工程学院信电工程学院,徐州221111 [2]华南理工大学土木与交通学院,广州510640

出　　处：《小型微型计算机系统》2015年第7期1625-1628,共4页Journal of Chinese Computer Systems

基　　金：国家自然科学基金项目(50978106;60273064)资助;江苏省高校自然科学研究重大项目(13KJA520007)资助;江苏省高校自然科学研究项目(14KJB520038)资助

摘　　要：应用Hough森林进行目标检测,并对经典Hough森林存在的不足进行改进.借助Boosting算法的思想,学习图片块样本和目标对象样本的自适应权重分布,并分别优化用于构造随机树和Hough森林的代价损失函数;最后根据图片块样本的权重分布,提出了改进的类标志不确定性度量方法.基于Hough森林的代价损失函数,还提出了随机树权重的学习方法.实验结果表明,本文所建议的方法相比于其他方法具有更高的目标检测性能.The Hough forest is applied to visual object recognition in this paper. we adopt the idea of Boosting algorithm to learn the adaptive weight distribution over the image patch samples and object image samples,and respectively optimize the cost loss function of constructing random tree and Hough forest. At last,we propose an improved class uncertainty measure by using the weight distribution of the image patch samples,and also give a learning method of random tree weight based on Hough forest cost loss function. The experimental showthat the proposed method outperform the other classical Hough forest technique.

关 键 词：目标检测 代价损失 Hough森林 BOOSTING算法 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]