基于改进卷积神经网络的人体检测研究

发布时间：2018-01-28 06:57

本文关键词： 行人检测深度学习卷积神经网络复杂背景　出处：《现代电子技术》2017年04期 　论文类型：期刊论文

【摘要】：为了解决梯度方向直方图在复杂背景下行人检测性能不足的问题,引入深度学习算法进行人体特征提取和行人检测。为了减少卷积神经网络的训练样本数量需求,在保证原数据库背景分布和行人分辨率的基础上使用基于内容的图像检索方法进行数据扩充以便于训练。为了提高算法在复杂背景下的检测效率,在卷积神经网络反射传播权值更新时引入费舍尔约束准则,使用误差反向传播算法获取样本类内类间约束函数的权值,在考虑误差的同时保证算法的分类精度。对INIRIA数据库检测结果表明,改进后算法的漏检率、检测率等性能得到一定提高,在大多数复杂背景下可以成功检测出行人。
[Abstract]:In order to solve the gradient direction histogram in complex background pedestrian detection performance is insufficient. In order to reduce the number of training samples of convolutional neural network, the depth learning algorithm is introduced for human feature extraction and pedestrian detection. Based on the original database background distribution and pedestrian resolution, the content-based image retrieval method is used for data expansion to facilitate training. In order to improve the detection efficiency of the algorithm in complex background. Fisher constraint criterion is introduced to update the weight of reflection transmission in convolutional neural networks, and the error back-propagation algorithm is used to obtain the weights of inter-class constraint functions in sample classes. The detection results of INIRIA database show that the improved algorithm can improve the performance of the algorithm, such as miss rate, detection rate and so on. Travelers can be successfully detected in most complex contexts.
【作者单位】：河南大学计算机与信息工程学院;河南农业职业学院电子信息工程系;
【基金】：国家自然科学基金资助项目:异构多核并行机上线性代数方程组的快速算法研究(61202098)
【分类号】：TP391.41;TP183
【正文快照】： 行人检测即在特定的视频或者图像中判断是否存在人体,如果判断有行人还需输出人体位置,这是行为分析、步态分析、行人身份识别和行人跟踪的前提和基础,在视频监控、车辆辅助驾驶、智能机器人等智能服务及安保行业有广泛的应用[1]。目前行人检测经过几十年研究发展,检测速度和

【相似文献】