10.3969/j.issn.1000-386x.2017.08.039
基于改进的CNN多级分类的行人检测算法研究
针对监控场景的行人检测应用,提出一种结合改进的支持向量机和卷积神经网络的行人检测方法.首先,通过运动检测初步定位感兴趣的可疑目标区域;然后,计算这些区域图像块的灰度共生矩阵,并采用主成分分析方法提取纹理特征向量,采用支持向量机进行纹理分类,滤除干扰区域;最后,对余下区域构建多尺度图像子块,采用LeNet5卷积神经网络架构进行行人分类.在Caltech数据集上的测试结果表明,该方法的真正率指标高,假正率指标低.
行人检测、运动检测、灰度共生矩阵、支持向量机、卷积神经网络
34
TP391(计算技术、计算机技术)
湖南省科技计划项目2014FJ6095;永州市2016年度科技创新项目永科发[2016]27号;湖南科技学院计算机应用技术重点学科资助
2017-09-06（万方平台首次上网日期，不代表论文的发表时间）
共6页
220-224,256
