本文關(guān)鍵詞：基于深度分層特征表示的行人識(shí)別方法，由筆耕文化傳播整理發(fā)布。

【摘要】：該文針對(duì)行人識(shí)別中的特征表示問題,提出一種混合結(jié)構(gòu)的分層特征表示方法,這種混合結(jié)構(gòu)結(jié)合了具有表示能力的詞袋結(jié)構(gòu)和學(xué)習(xí)適應(yīng)性的深度分層結(jié)構(gòu)。首先利用基于梯度的HOG局部描述符提取局部特征,再通過一個(gè)由空間聚集受限玻爾茲曼機(jī)組成的深度分層編碼方法進(jìn)行編碼。對(duì)于每個(gè)編碼層,利用稀疏性和選擇性正則化進(jìn)行無監(jiān)督受限玻爾茲曼機(jī)學(xué)習(xí),再應(yīng)用監(jiān)督微調(diào)來增強(qiáng)分類任務(wù)中視覺特征表示,采用最大池化和空間金字塔方法得到高層圖像特征表示。最后采用線性支持向量機(jī)進(jìn)行行人識(shí)別,提取深度分層特征遮擋等與目標(biāo)無關(guān)部分自然分離,有效提高了后續(xù)識(shí)別的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果證明了所提出方法具有較高的識(shí)別率。
【作者單位】： 合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院;
【關(guān)鍵詞】： 行人識(shí)別 混合結(jié)構(gòu) 深度學(xué)習(xí) 深度分層編碼 受限玻爾茲曼機(jī)
【基金】：國家自然科學(xué)基金(61471154) 教育部留學(xué)回國人員科研啟動(dòng)基金~~
【分類號(hào)】：TP391.41
【正文快照】： 1引言行人識(shí)別技術(shù)一直是智能交通和智能監(jiān)控系統(tǒng)研究中一個(gè)十分活躍的領(lǐng)域,因此,科研人員對(duì)行人檢測(cè)和識(shí)別的關(guān)注度越來越高。但它目前仍然是計(jì)算機(jī)視覺領(lǐng)域公開的難題,部分原因是行人外觀和背景環(huán)境,如衣著、姿勢(shì)、光照、視角等變化很大,加之背景復(fù)雜,識(shí)別的準(zhǔn)確率不高。在

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 劉來福，唐志宇，匡錦瑜;向量玻爾茲曼機(jī)[J];北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版);1996年04期

2 秦勝君;盧志平;;基于限制玻爾茲曼機(jī)的無極性標(biāo)注情感分類研究[J];科學(xué)技術(shù)與工程;2013年35期

3 ;[J];;年期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 李娟;基于RBM的小分子活性及選擇性研究[D];蘭州大學(xué);2015年

2 葉睿;基于深度學(xué)習(xí)的人臉檢測(cè)方法研究[D];哈爾濱工業(yè)大學(xué);2015年

3 張衛(wèi)東;深度信念網(wǎng)絡(luò)及其在手寫字體識(shí)別中的應(yīng)用[D];成都理工大學(xué);2015年

4 施維劏;門限玻爾茲曼機(jī)在人臉識(shí)別中的魯棒性研究[D];北京交通大學(xué);2015年

5 王海麟;通過信息幾何方法挖掘玻爾茲曼機(jī)的不變性[D];天津大學(xué);2014年

6 仝少敏;基于受限玻爾茲曼機(jī)的面部運(yùn)動(dòng)識(shí)別方法研究[D];哈爾濱工業(yè)大學(xué);2014年

7 李平;監(jiān)督概率主題模型研究[D];安徽工業(yè)大學(xué);2014年

  本文關(guān)鍵詞：基于深度分層特征表示的行人識(shí)別方法，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：465836