基于深度分层特征表示的行人识别方法
该文针对行人识别中的特征表示问题,提出一种混合结构的分层特征表示方法,这种混合结构结合了具有表示能力的词袋结构和学习适应性的深度分层结构。首先利用基于梯度的 HOG 局部描述符提取局部特征,再通过一个由空间聚集受限玻尔兹曼机组成的深度分层编码方法进行编码。对于每个编码层,利用稀疏性和选择性正则化进行无监督受限玻尔兹曼机学习,再应用监督微调来增强分类任务中视觉特征表示,采用最大池化和空间金字塔方法得到高层图像特征表示。最后采用线性支持向量机进行行人识别,提取深度分层特征遮挡等与目标无关部分自然分离,有效提高了后续识别的准确性。实验结果证明了所提出方法具有较高的识别率。
行人识别、混合结构、深度学习、深度分层编码、受限玻尔兹曼机
38
TP3;U44
国家自然科学基金61471154;教育部留学回国人员科研启动基金Foundation Items:The National Natural Science Foundation of China61471154;Scientific Research Foundation for Returned Scholars, Ministry of Education of China
2016-07-13(万方平台首次上网日期,不代表论文的发表时间)
共8页
1528-1535