基于改进卷积神经网络的人体检测研究

摘要：

为了解决梯度方向直方图在复杂背景下行人检测性能不足的问题，引入深度学习算法进行人体特征提取和行人检测。为了减少卷积神经网络的训练样本数量需求，在保证原数据库背景分布和行人分辨率的基础上使用基于内容的图像检索方法进行数据扩充以便于训练。为了提高算法在复杂背景下的检测效率，在卷积神经网络反射传播权值更新时引入费舍尔约束准则，使用误差反向传播算法获取样本类内类间约束函数的权值，在考虑误差的同时保证算法的分类精度。对INIRIA数据库检测结果表明，改进后算法的漏检率、检测率等性能得到一定提高，在大多数复杂背景下可以成功检测出行人。

关键词：行人检测、深度学习、卷积神经网络、复杂背景

所属期刊栏目：40

分类号：TN711-34;TP139(基本电子电路)

资助基金：国家自然科学基金资助项目:异构多核并行机上线性代数方程组的快速算法研究61202098

在线出版日期：2017-03-17（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：12-15