基于加权Hash特征与卷积辅助网络的ACF行人检测研究

• 作者: 王江涛 王薇薇 陈燕
• 来源期刊: 长春师范大学学报
• 学科: 工学
• 关键词: 行人检测 ACF ADABOOST Hash码 CNN
• 年，卷（期）: ccsfdxxb_2019,（4）
• 页码范围: 33-39
• 页数: 7页
• 分类号: TP391

摘要

传统的ACF+AdaBoost行人检测框架在达到较为理想的检测率时,误检率也会迅速增高,难以满足实际需求。针对该问题,本文提出了一种自适应加权的Hash码特征,用来增加行人特征的多样性。在此基础上,通过级联一个辅助网络降低系统的误检率,该辅助网络采用了浅层的CNN结构,在保证系统实时性的前提下对AdaBoost分类器的分类结果进行二次分类。在INRIA数据中进行检测实验的结果表明,改进的Hash码简单、易算,对行人的表征能力强,在不影响实时性的前提下,把系统的MR-FPPI(Miss rate against false positive sperimage)从17.05%降低到16.31%。系统级联辅助CNN后系统的MR-FPPI降低到16.93%,而加入Hash码通道,且级联辅助CNN后,系统的MR-FPPI降低到15.96%,检测性能得到较为明显的提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王江涛	淮北师范大学物理与电子信息学院	46	87	6.0	7.0
2	陈燕	淮北师范大学物理与电子信息学院	7	3	1.0	1.0
3	王薇薇	淮北师范大学物理与电子信息学院	4	0	0.0	0.0