基于模糊深度学习网络的行人检测方法

• 作者: 刘德雨 邱东
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 机器视觉 多特征 模糊集 深度置信网络 行人检测
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 22-26
• 页数: 5页
• 分类号: TP301
• 字数: 3666字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.10.005

摘要

行人检测已经成为机器视觉研究的重要组成部分之一.深度置信网络(deep belief networks,DBN)优秀的学习能力保证了其学习得到的目标特征更加有效,有利于实现目标的准确检测.但是传统的深度置信网络模型对整体的目标进行处理,训练时间长,同时需要将所有的样本都进行预先正确的标注,这些都限制了深度置信网络的进一步发展.对此,文中提出了一种基于多特征的模糊深度置信网络的方法,该方法将经典的深度置信网络与模糊集的理论相结合,融合方向直方图特征对复杂背景下的行人进行检测识别处理.在静态行人检测库INRIA的测试结果表明,该方法在一定程度上减少了训练时间,同时也提高了行人检测的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邱东	长春工业大学电子与电气工程学院	28	110	5.0	9.0
2	刘德雨	长春工业大学电子与电气工程学院	2	3	1.0	1.0