基于卷积神经网络及改进支持向量机的行人检测

• 作者: 周坤 夏琼佩 杨先超 焦建强 肖艳秋
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 行人检测 聚合通道特征 卷积神经网络 主成分分析 蚁群算法 支持向量机
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 192-198,204
• 页数: 8页
• 分类号: TP391
• 字数: 6778字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.01.032

摘要

针对自动驾驶实际道路场景复杂导致行人误检率高的问题,提出一种基于卷积神经网络及改进支持向量机的行人检测方法.利用聚合通道特征快速获取图像候选区域,将归一化后的候选区域图像输入卷积神经网络对其进行深度特征提取;利用主成分分析法将卷积神经网络末端所得到的特征向量进行降维处理,减少其冗余特征信息以获得精确的行人特征描述;将行人特征送至优化后的支持向量机完成分类.考虑支持向量机在分类过程中存在核函数参数选择困难的问题,利用改进后的蚁群算法对其进行优化选择,获得最优支持向量机参数以提高分类精度.实验结果表明,不同场景下的行人平均检测精确度达到92％,误检率大幅下降且具有较好的实时性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖艳秋	郑州轻工业大学机电工程学院	28	113	5.0	9.0
2	周坤	郑州轻工业大学机电工程学院	5	47	2.0	5.0
3	焦建强	郑州轻工业大学机电工程学院	3	7	2.0	2.0
4	杨先超	郑州轻工业大学机电工程学院	1	1	1.0	1.0
5	夏琼佩	郑州轻工业大学机电工程学院	1	1	1.0	1.0