基于改进的CNN多级分类的行人检测算法研究

• 作者: 杨振南 杨杰
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 220-224,256
• 页数: 6页
• 分类号: TP391
• 字数: 4743字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.08.039

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨杰	湖南科技学院电子与信息工程学院	59	171	7.0	11.0
2	杨振南	湖南科技学院电子与信息工程学院	19	21	3.0	4.0