基于机器学习的级联行人检测方法研究

• 作者: 蔡凡
• 来源期刊: 重庆科技学院学报（自然科学版）
• 学科: 工学
• 关键词: 行人检测 选择性搜索 机器学习 误检率 漏检率
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 算法研究与计算机应用
• 页码范围: 62-65
• 页数: 4页
• 分类号: TP391.41
• 字数: 2931字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1980.2019.05.017

摘要

针对传统的HOG+SVM行人检测模型易受行人所处位置、影像大小和背景干扰等因素影响的问题,提出了一种基于选择性搜索和机器学习的级联行人检测算法.综合运用密集搜索、分割搜索和随机采样搜索方法,改进选择性搜索产生的候选窗口,可以减少大量非行人窗口的数量.将HOG特征和AlexNet模型相结合,可有效提高行人检测的效率,降低误检率和漏检率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡凡	闽南理工学院工业自动化控制技术与信息处理福建省高校重点实验室	9	5	1.0	2.0