多卷积特征融合的HOG行人检测算法

发布时间：2018-02-04 17:50

本文关键词： 行人检测卷积神经网络多卷积特征 HOG　出处：《计算机科学》2017年S2期 　论文类型：期刊论文

【摘要】：行人检测是计算机视觉领域中的经典问题,HOG结合SVM的方法是解决这一问题的有效途径,HOG对行人特征的有效描述起到了重要作用。卷积神经网络(CNN)作为一种有效的特征提取方法,通过特征图可以实现对特征更好的描述。提出将卷积神经网络(CNN)与传统的HOG+SVM算法相结合的方法。首先利用CNN在下采样层中可以使用不同的卷积核对数据进行不同角度特征描述的特点,对样本进行多角度浅层特征提取;然后用HOG对得到的浅层特征进行进一步的提取;最后采用支持向量机(SVM)完成训练、分类。实验表明,该方法对于行人检测具有很高的识别率,优于传统方法。
[Abstract]:Pedestrian detection is a classical problem in the field of computer vision. Hog combined with SVM is an effective way to solve this problem. HOG plays an important role in the effective description of pedestrian features. Convolution neural network (CNN) is an effective feature extraction method. A better description of the feature can be realized by the feature graph. The convolution neural network (CNN) is proposed. The method of combining with the traditional HOG SVM algorithm. Firstly, using CNN in the lower sampling layer can use different convolution check data to describe different angle features. The multi-angle shallow feature extraction is carried out on the sample. Then the shallow features were extracted by HOG. Finally, support vector machine (SVM) is used to complete the training and classification. Experiments show that this method has a high recognition rate for pedestrian detection and is superior to the traditional method.
【作者单位】：陆军工程大学;
【基金】：国家973计划资助项目(2009CB723803) 国家自然科学基金资助项目(60873120)资助
【分类号】：TP183;TP391.41
【正文快照】： 1引言行人检测是计算机视觉中的一个重要课题,广泛地应用于国防工程、公共安全防护、自动驾驶安全等领域,具有很大的研究意义。目前,常用的行人检测方法有两种:1)基于全局特征的行人检测技术,其核心思想是将高维的行人图像特征通过线性或者非线性变化映射到一个低维子空间中,

【相似文献】