基于随机森林和RankSVM优化的行人识别方法

• 作者: 王丽娟 王迪 蔡晓东 陈岳林
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 随机森林 RankSVM RF-SVM K-means算法
• 年，卷（期）: 2015,（18）
• 所属期刊栏目: 视频应用与工程
• 页码范围: 90-93
• 页数: 4页
• 分类号: TP391.4
• 字数: 3488字
• 语种: 中文
• DOI: 10.16280/j.videoe.2015.18.021

摘要

针对卡口环境及大样本情况下,基于样本数据量大时对测试图像使用RankSVM排名结果会很靠后,提出了一种新的基于随机森林和RankSVM的行人识别方法RF-SVM(RondomForest SVM).首先,单个训练样本提取多维特征向量,经K-means算法将所有训练样本的特征向量聚类,根据随机森林得到测试目标的预测类别,在此类范围内采用RankSVM算法,将相似度排名顺序作为行人识别结果.与传统方法相比,引用了随机森林预测分类的方法,避免了测试图像与全体样本进行相似度匹配,仅在预测到的类别中使用RankSVM,这样得到的既准确又相对单一的RankSVM排名结果更靠前,聚类算法结合随机森林起到一个对样本数据初筛的作用.基于VIPeR样本库的实验证明,该方法对行人姿态变化具有鲁棒性,相比MCC与RankSVM等文中实验列举的传统算法识别准确率高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈岳林	桂林电子科技大学机械工程学院	44	316	11.0	16.0
2	蔡晓东	桂林电子科技大学机械工程学院	64	228	9.0	12.0
3	王丽娟	桂林电子科技大学机械工程学院	9	39	3.0	6.0
4	王迪	桂林电子科技大学机械工程学院	6	6	2.0	2.0