多卷积特征融合的HOG行人检测算法

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.

关键词：行人检测、卷积神经网络、多卷积特征、HOG

所属期刊栏目：44

分类号：TP139.41(自动化基础理论)

资助基金：国家973计划资助项目2009CB723803;国家自然科学基金资助项目60873120

在线出版日期：2018-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：199-201,232