基于ACF与PCANet改进通道特征的级联行人检测

• 作者: 于凤芹 黄鹏
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 行人检测 聚合通道特征算法 积分通道特征 卷积网络 主成分分析 自动学习
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 图形图像处理
• 页码范围: 221-226
• 页数: 6页
• 分类号: TP391.41
• 字数: 3975字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.11.036

摘要

针对聚合通道特征(ACF)算法误检窗口多的问题,提出一种由粗到精的级联行人检测算法.采用ACF算法快速粗检,改进通道特征来滤除误检窗口,以每个图像通道学习主成分分析(PCA)滤波器组,代替PCANet从训练图像和卷积图中学习滤波器组,用图像通道进行单层卷积,代替PCANet的双层卷积以降低特征维数,提升对行人的表达能力,并对卷积图池化降维,得到改进的通道特征.仿真结果表明,该算法相对于原ACF算法误检窗口减少,检测率在INRIA、Caltech数据库上分别提高3.8％和17.5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于凤芹	江南大学物联网工程学院	143	708	12.0	18.0
2	黄鹏	江南大学物联网工程学院	4	11	3.0	3.0