共 6 条
- [5] 统计学习方法[M]. 清华大学出版社 , 李航, 2012
- [6] Detecting pedestrians using patterns of motion and appearance[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2005, 63 (02) : 153 - 161Viola, PJones, MJSnow, D
基于SVM-LeNet模型融合的行人检测算法
被引：12
作者：
邹冲
[1
,2
]
蔡敦波
[1
,2
]
赵娜
[1
,2
]
刘莹
[1
,2
]
赵彤洲
[1
,2
,3
]
机构：
[1] 武汉工程大学计算机科学与工程学院
[2] 武汉工程大学智能机器人湖北省重点实验室
[3] 华中科技大学自动化学院
来源：
关键词：
行人检测;
权重模板;
支持向量机;
非极大值抑制算法;
卷积神经网络;
D O I：
暂无
中图分类号：
TP391.41 [];
学科分类号：
080203 ;
摘要：
在方向梯度直方图(HOG)联合支持向量机(SVM)算法(HOG-SVM)和Le Net网络模型基础上,提出了HOG与卷积神经网络(CNN)融合的行人检测算法(SVM-Le Net)。采用多尺度滑动窗口提取HOG特征并送入SVM分类器,根据后验概率判断候选区,随后运用CNN算法剔除误检窗口。为解决单个目标被多个候选区域框定的问题,使用非极大值抑制算法(NMS)进行多矩形融合,保留检测区域中后验概率最大的窗口抑制与其重叠的检测窗口。分类过程中,以候选区域在SVM和Le Net中后验概率为依据判断行人区域。实验结果表明,与HOGSVM和Le Net行人检测算法相比,该算法在准确率和召回率上有明显优势。
引用
收藏
页码：169 / 173
页数：5
相关论文