论文研究基于AdaBoost的公交客流量统计算法.pdf

为解决复杂场景目标识别中伪目标的干扰问题，采用基于AdaBoost分类的方法分析疑似目标的三维轨迹，结合真实目标共有的特征信息，进一步分类真实目标与伪目标。首先，根据深度相机获取的深度图像提取疑似目标的人头区域，利用Kalman滤波跟踪得到二维轨迹；其次，通过摄像机标定将目标的二维轨迹转换为空间中的三维轨迹；最后，利用AdaBoost训练正负样本得到强分类器，进一步分类真实目标与伪目标。实验结果表明，该方法能够有效地提高目标识别的精度，对复杂场景下的目标识别具有良好的适应性。