基于SVM-LeNet模型融合的行人检测算法

作     者：邹冲 蔡敦波 赵娜 刘莹 赵彤洲 

作者机构：武汉工程大学计算机科学与工程学院武汉430074 武汉工程大学智能机器人湖北省重点实验室武汉430205 华中科技大学自动化学院武汉430074 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2017年第34卷第5期

页      面：169-173页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金(61103136) 武汉工程大学创新基金(CX2015057) 

主　　题：行人检测 权重模板 支持向量机 非极大值抑制算法 卷积神经网络 

摘      要：在方向梯度直方图(HOG)联合支持向量机(SVM)算法(HOG-SVM)和Le Net网络模型基础上,提出了HOG与卷积神经网络(CNN)融合的行人检测算法(SVM-Le Net)。采用多尺度滑动窗口提取HOG特征并送入SVM分类器,根据后验概率判断候选区,随后运用CNN算法剔除误检窗口。为解决单个目标被多个候选区域框定的问题,使用非极大值抑制算法(NMS)进行多矩形融合,保留检测区域中后验概率最大的窗口抑制与其重叠的检测窗口。分类过程中,以候选区域在SVM和Le Net中后验概率为依据判断行人区域。实验结果表明,与HOGSVM和Le Net行人检测算法相比,该算法在准确率和召回率上有明显优势。