决策表属性约简算法及其在行人检测中的应用

摘要

cqvip:由于行人集刚性特性和柔性特性于一身,使行人检测成为继人脸检测之后计算机视觉的又一研究难点和热点。但现有行人检测技术中普遍采用的梯度方向直方图特征存在维度高、特征冗余计算慢和存储量大等缺陷。针对上述缺陷,引入粗集属性约简理论来降低该特征的维度,以提高行人检测的性能和速度,降低行人特征的存储量,从而应对目前大数据计算以及低存储能力和低计算能力的移动设备中进行实时行人检测的需要。基本思路如下:首先,利用一个知识对另一个知识的正域概念来刻画属性的重要度,即属性重要度值越大,则该属性对分类越有帮助;反之则对分类帮助较小;然后,引入粗集属性约简理论,删除原始决策表中属性重要度值小的冗余属性。实验结果表明:将该算法引入行人检测,在维度下降到原来的18.52%仍然保持95.88%的准确率和召回率,同时也提升了检测速度,降低了行人特征的储存量,验证了粗集约简理论在行人检测中的有效性。