一种基于多层RBM网络和SVM的行人检测方法研究

摘要：

行人检测一直是计算机视觉领域的热点和难点问题.本文提出了一种结合玻尔兹曼机 RBM(Restricted Boltzmann Machine)和支持向量机 SVM(Suport Vector Machines)的深度学习网络进行行人特征提取和分类,多层玻尔兹曼机无监督的训练网络参数得到行人特征并级联 SVM构建特征分类器进行特征分类,在融合多种行人数据库的基础上扩充了行人数据样本,满足深度学习对于大数据量样本的要求.实验中对比了不同层数网络对于模型性能的影响以及与传统人工特征相比在复杂场景下的行人检测效果,验证了深度学习对于行人特征提取的有效性.

关键词：行人检测、玻尔兹曼机、支持向量机、无监督训练、深度学习

所属期刊栏目：40

分类号：U298;TP317(铁路运输管理工程)

资助基金：中国铁路总公司科技研究开发计划2015X009-H

在线出版日期：2021-07-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：95-100