基于深信度网络分类算法的行人检测方法

发布时间：2017-09-15 05:39

  本文关键词：基于深信度网络分类算法的行人检测方法

  更多相关文章： 智能交通 行人检测 深信度网络 受限波兹曼机 深度学习

【摘要】：针对目前浅层分类方法存在训练样本数量过大和拟合复杂函数能力较弱等问题,提出一种改进的基于深信度网络分类算法的行人检测方法。通过搭建带T分布函数显层节点的受限波兹曼机输入端改进深信度网络的输入方式,将行人特征提取信息通过输入端的显层结构转换为分类器可以识别的伯努利分布方式;搭建多隐层受限波兹曼机中间层结构,实现隐层结构间的数据传递,保留关键信息。最后,利用BP神经网络搭建分类结构的输出端,实现分类误差信息反向传播并对分类结构的参数进行微调,不断优化分类器结构。实验证明,改进的深信度网络行人检测算法性能优于经典浅层分类算法,算法的检测速度也能满足使用要求。
【作者单位】： 福建工程学院交通运输学院;华南理工大学土木与交通学院;长沙理工大学交通运输工程学院;
【关键词】： 智能交通 行人检测 深信度网络 受限波兹曼机 深度学习
【基金】：国家自然基金资助项目(51278072) 福建省自然科学基金项目(2015J05118) 福建省教育厅科技项目(JA14224) 福建工程学院博士科研启动基金资助项目(GY-Z13105)
【分类号】：TP391.41
【正文快照】： 学交通运输工程学院,长沙410004)基于视频的行人检测是计算机视觉及智能交通领域的一个热点研究方向,该研究旨在实时、准确、自动地获取监控范围内的行人信息,为后续的行人行为分析、行人安全保护及行人数量统计等研究提供有力的信息支持。目前,基于机器学习的行人检测方法是

【相似文献】

中国期刊全文数据库 前10条

1 郑智捷;幻序合并分类算法[J];计算机学报;1984年05期

2 刘t，

本文编号：854640