科研之友
微信
新浪微博
Facebook
分享链接
摘要
作为一个典型的目标检测问题,行人检测问题已成为近年来的研究热点。行人检测技术虽被广泛应用于智能交通、自动驾驶、视频监控以及行为分析等领域,但仍存在着需要解决的问题。文中在多特征融合的基础上提出了一个多通道特征模型,多通道特征模型由非深度学习分支、整体分支以及肢体分支组成。文中通过非深度学习分支提取出数量少、质量高的行人候选区域,减轻了滑动窗口穷举搜索带来的计算负担,提高了计算效率。该方法由多层卷积通道特征得到的整体分支以及肢体分支,分别通过人体整体信息和人体部位的语义信息来检测行人;使用多通道特征模型分别在Caltech行人数据集和INRIA行人数据集中进行训练和检测。实验结果表明,结合各分支的输出,文中提出的行人检测器具有较低的漏检率,在INRIA行人数据集和Caltech行人数据集中漏检率分别为8.24%和19.78%。
- 单位
