基于深度分层特征表示的行人识别方法

发布时间：2017-06-20 14:06

  本文关键词：基于深度分层特征表示的行人识别方法，由笔耕文化传播整理发布。

【摘要】：该文针对行人识别中的特征表示问题,提出一种混合结构的分层特征表示方法,这种混合结构结合了具有表示能力的词袋结构和学习适应性的深度分层结构。首先利用基于梯度的HOG局部描述符提取局部特征,再通过一个由空间聚集受限玻尔兹曼机组成的深度分层编码方法进行编码。对于每个编码层,利用稀疏性和选择性正则化进行无监督受限玻尔兹曼机学习,再应用监督微调来增强分类任务中视觉特征表示,采用最大池化和空间金字塔方法得到高层图像特征表示。最后采用线性支持向量机进行行人识别,提取深度分层特征遮挡等与目标无关部分自然分离,有效提高了后续识别的准确性。实验结果证明了所提出方法具有较高的识别率。
【作者单位】： 合肥工业大学计算机与信息学院;
【关键词】： 行人识别 混合结构 深度学习 深度分层编码 受限玻尔兹曼机
【基金】：国家自然科学基金(61471154) 教育部留学回国人员科研启动基金~~
【分类号】：TP391.41
【正文快照】： 1引言行人识别技术一直是智能交通和智能监控系统研究中一个十分活跃的领域,因此,科研人员对行人检测和识别的关注度越来越高。但它目前仍然是计算机视觉领域公开的难题,部分原因是行人外观和背景环境,如衣着、姿势、光照、视角等变化很大,加之背景复杂,识别的准确率不高。在

【相似文献】

中国期刊全文数据库 前3条

1 刘来福，唐志宇，匡锦瑜;向量玻尔兹曼机[J];北京师范大学学报(自然科学版);1996年04期

2 秦胜君;卢志平;;基于限制玻尔兹曼机的无极性标注情感分类研究[J];科学技术与工程;2013年35期

3 ;[J];;年期

中国硕士学位论文全文数据库 前7条

1 李娟;基于RBM的小分子活性及选择性研究[D];兰州大学;2015年

2 叶睿;基于深度学习的人脸检测方法研究[D];哈尔滨工业大学;2015年

3 张卫东;深度信念网络及其在手写字体识别中的应用[D];成都理工大学;2015年

4 施维劏;门限玻尔兹曼机在人脸识别中的鲁棒性研究[D];北京交通大学;2015年

5 王海麟;通过信息几何方法挖掘玻尔兹曼机的不变性[D];天津大学;2014年

6 仝少敏;基于受限玻尔兹曼机的面部运动识别方法研究[D];哈尔滨工业大学;2014年

7 李平;监督概率主题模型研究[D];安徽工业大学;2014年

  本文关键词：基于深度分层特征表示的行人识别方法，，由笔耕文化传播整理发布。

本文编号：465836