采用人体树图与混合粒子群聚类的行人检测

• 作者: 刘丹 孟晓燕 段建民
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 行人检测 人体树图模型 K-means聚类 粒子群算法
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 信息科学
• 页码范围: 1802-1812
• 页数: 11页
• 分类号: TP391
• 字数: 6887字
• 语种: 中文
• DOI: 10.3788/OPE.20182607.1802

摘要

为提升辅助驾驶系统的可靠性及安全系数,实现更高精度的行人检测,基于人体树图模型提出了一种改进的离线训练、在线检测的行人检测方法.首先,定义人体部件间的共生关系,得到对应父子部件对,结合K-means算法对其位置关系进行聚类获得部件类型.为兼顾类内紧密性与类间分离性,采用MSE和DBI构建具有两阶段适应度函数的混合粒子群聚类算法,在有效估计各部件最优聚类中心数量的同时,消除随机初始化对聚类准确率造成的影响.其次,将优化聚类得到的部件类型作为隐藏变量,通过求解隐结构SVM获取改进后的人体检测模型.最后,通过动态规划算法求解状态转移方程,在多个尺度上有效估计人体部件位置及检测包围盒,并结合非极大值抑制思想得到最终的行人检测结果.实验结果表明,所提方法在检测性能上明显优于5种行人检测方法,并且相比于原始Pose-original方法,在INRIA和ETH数据集上的丢失率分别下降了8.14%和5.05%.实验证明该方法检测性能良好且具有较高的准确性和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段建民	北京工业大学信息学部	130	1093	16.0	25.0
2	刘丹	北京工业大学信息学部	14	69	5.0	7.0
3	孟晓燕	北京工业大学信息学部	3	10	1.0	3.0