發(fā)布時間：2018-03-28 02:36

  本文選題：行人檢測　切入點：權重模板　出處：《計算機工程》2017年05期

【摘要】：在方向梯度直方圖(HOG)聯合支持向量機(SVM)算法(HOG-SVM)和Le Net網絡模型基礎上,提出了HOG與卷積神經網絡(CNN)融合的行人檢測算法(SVM-Le Net)。采用多尺度滑動窗口提取HOG特征并送入SVM分類器,根據后驗概率判斷候選區(qū),隨后運用CNN算法剔除誤檢窗口。為解決單個目標被多個候選區(qū)域框定的問題,使用非極大值抑制算法(NMS)進行多矩形融合,保留檢測區(qū)域中后驗概率最大的窗口抑制與其重疊的檢測窗口。分類過程中,以候選區(qū)域在SVM和Le Net中后驗概率為依據判斷行人區(qū)域。實驗結果表明,與HOGSVM和Le Net行人檢測算法相比,該算法在準確率和召回率上有明顯優(yōu)勢。
[Abstract]:In the direction of the gradient histogram (HOG) combined with support vector machine (SVM) algorithm (HOG-SVM) and Le Net network model based on HOG is proposed and the convolutional neural network (CNN) pedestrian detection algorithm fusion (SVM-Le Net). The multi-scale HOG feature extraction and sliding window into the SVM classifier, according to posterior probability judgment the candidate region, then use CNN algorithm to remove the false alarms. In order to solve the problem of single target is frame multiple candidate regions, the use of non maxima suppression algorithm (NMS) for rectangular fusion, keep checking probability maximum window suppression and overlap detection area. In the process of classification, the candidate region in SVM and Le Net in the posterior probability to judge the pedestrian area. The experimental results show that compared with HOGSVM and Le Net pedestrian detection algorithm, this algorithm has obvious advantages in accuracy and recall rate.

【作者單位】： 武漢工程大學計算機科學與工程學院;武漢工程大學智能機器人湖北省重點實驗室;華中科技大學自動化學院;
【基金】：國家自然科學基金(61103136) 武漢工程大學創(chuàng)新基金(CX2015057)
【分類號】：TP391.41

【相似文獻】

相關碩士學位論文 前1條

1 陳浩;基于中層語義特征表達的物體檢測方法研究[D];北京工業(yè)大學;2016年

，

本文編號：1674406