基于统计分析Boosting的复杂场景目标识别方法研究

复杂场景目标识别是图像理解领域的重点和难点。Boosting算法是机器学习中用于提高精度的算法,现已在简单目标识别中获得广泛应用。提出了一种针对复杂场景目标识别任务的统计学启发Boosting算法,补充了现有识别任务中Boosting方法所缺乏的理论分析依据。首先在统计学基础上,分析了Boosting的稳定性能,以此快速确定弱分类器数目,解决了算法性能的不可预测性,缩短了算法设计时间。之后针对不同复杂程度的真实世界场景,设计稳定有效的Boosting识别算法,实验结果表明算法对存在光照、视角、干扰、遮挡和类内多变的场景目标均有较高的识别精度,具有鲁棒性。