基于ACF与PCANet改进通道特征的级联行人检测

摘要：

针对聚合通道特征(ACF)算法误检窗口多的问题,提出一种由粗到精的级联行人检测算法.采用ACF算法快速粗检,改进通道特征来滤除误检窗口,以每个图像通道学习主成分分析(PCA)滤波器组,代替PCANet从训练图像和卷积图中学习滤波器组,用图像通道进行单层卷积,代替PCANet的双层卷积以降低特征维数,提升对行人的表达能力,并对卷积图池化降维,得到改进的通道特征.仿真结果表明,该算法相对于原ACF算法误检窗口减少,检测率在INRIA、Caltech数据库上分别提高3.8％和17.5％.

关键词：行人检测、聚合通道特征算法、积分通道特征、卷积网络、主成分分析、自动学习

所属期刊栏目：43

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2017-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：221-226