改进GA-PSO优化SVM的行人检测算法

• 作者: 张红英 王谦
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 图像处理 行人检测 SVM 核函数 参数优化 惩罚因子
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 先进算法与人工智能
• 页码范围: 51-55,60
• 页数: 6页
• 分类号: TP391.4
• 字数: 4238字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2019.10.011

摘要

针对当前对于行人检测的准确率和检测效率的要求越来越高,提出一种GA-PSO算法对于支持向量机( SVM)参数优化的行人检测方法.首先,针对梯度直方图特征描述子的维数高、提取速度慢,使用PCA对其进行降维处理;以SVM算法作为分类器,为避免传统单核支持向量机算法检测率低的情况出现,以组合核函数作为分类器核函数,并设置松弛变量,引进惩罚因子,结合遗传算法( GA)和改进权重系数的粒子群算法( PSO)进行组合系数和参数的优化与选择,根据优化后的参数构成最终的SVM分类器进行行人检测.实验结果表明,与传统SVM检测以及其他优化方法相比,检测率方面都有明显改进,且满足对检测效率的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张红英	西南科技大学信息工程学院	57	493	12.0	19.0
3	王谦	西南科技大学信息工程学院	3	6	1.0	2.0