基于支持向量机提取感兴趣区域的行人检测

发布时间：2018-04-20 08:18

  本文选题：行人检测 + 感兴趣区域　； 参考：《计算机工程与设计》2017年04期

【摘要】：综合考虑支持向量机在检测行人时表现出的特点,提出一种基于支持向量机提取感兴趣区域的行人检测算法。利用支持向量机对图像进行初检并提取出置信度较高的检测框,先后在水平和竖直方向统计这些检测框的置信度叠加和并根据统计结果提取出行人感兴趣区域,在提取的感兴趣区域内进行行人的检测。在PASCAL的测试集上的测试结果表明,该算法在保持对比算法召回率的前提下,有效降低了检测时间和虚警率。
[Abstract]:Considering the characteristics of support vector machine (SVM) in pedestrian detection, a pedestrian detection algorithm based on SVM is proposed. Support vector machine (SVM) is used to first detect the image and extract the high confidence detection frame. The confidence of these frames is superposed in the horizontal and vertical direction and the region of interest of the traveller is extracted according to the statistical results. Pedestrian detection is carried out in the extracted area of interest. The test results on the test set of PASCAL show that the algorithm can effectively reduce the detection time and false alarm rate while maintaining the recall rate of the contrast algorithm.
【作者单位】： 中国科学院微电子研究所;
【基金】：吉林省与中国科学院合作基金项目(2014SYHZ0008) 长春市科技计划基金项目(2014047)
【分类号】：TP391.41;TP18

【参考文献】

相关硕士学位论文 前1条

1 胡将胜;基于AdaBoost和SVM的人体检测[D];中南民族大学;2011年

【共引文献】

相关硕士学位论文 前1条

1 孙迪;基于结构输出回归的人体检测[D];哈尔滨工程大学;2013年

【二级参考文献】

相关硕士学位论文 前3条

1 赵伟;基于SVM的入侵检测研究[D];北京交通大学;2007年

2 刘宏志;基于一种改进的Adaboost算法的人脸检测系统的设计与实现[D];北京大学;2007年

3 林鹏;基于Adaboost算法的人脸检测研究及实现[D];西安理工大学;2007年

【相似文献】

相关期刊论文 前10条

1 吴娟;范玉妹;王丽;;关于改进的支持向量机的研究[J];攀枝花学院学报;2006年05期

2 刘硕明;刘佳;杨海滨;;一种新的多类支持向量机算法[J];计算机应用;2008年S2期

3 尹传环;牟少敏;田盛丰;黄厚宽;;单类支持向量机的研究进展[J];计算机工程与应用;2012年12期

4 王云英;阎满富;;C-支持向量机及其改进[J];唐山师范学院学报;2012年05期

5 李逢焕;;试述不确定支持向量机应用分析及改进思路[J];中国证券期货;2012年12期

6 邵惠鹤;支持向量机理论及其应用[J];自动化博览;2003年S1期

7 曾嵘,蒋新华,刘建成;基于支持向量机的异常值检测的两种方法[J];信息技术;2004年05期

8 张凡,贺苏宁;模糊判决支持向量机在自动语种辨识中的研究[J];计算机工程与应用;2004年21期

9 魏玲,张文修;基于支持向量机集成的分类[J];计算机工程;2004年13期

10 沈翠华,邓乃扬,肖瑞彦;基于支持向量机的个人信用评估[J];计算机工程与应用;2004年23期

相关会议论文 前10条

1 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届（2011）中国管理学年会——商务智能分会场论文集[C];2011年

2 刘希玉;徐志敏;段会川;;基于支持向量机的创新分类器[A];山东省计算机学会2005年信息技术与信息化研讨会论文集（一）[C];2005年

3 史晓涛;刘建丽;骆玉荣;;一种抗噪音的支持向量机学习方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（下册）[C];2008年

4 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年

5 刘骏;;基于支持向量机方法的衢州降雪模型[A];第五届长三角气象科技论坛论文集[C];2008年

6 王婷;胡秀珍;;基于组合向量的支持向量机方法预测膜蛋白类型[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年

7 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

8 周星宇;王思元;;智能数学与支持向量机[A];2005年中国智能自动化会议论文集[C];2005年

9 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年

10 侯澍e，

本文编号：1776988