改进的卷积神经网络在行人检测中的应用_谢林江.pdf下载

针对当前行人检测方法计算量大，行人特征提取复杂，检测结果易受复杂背景影响等问题，提出一种 改进的卷积神经网络（convolutional neural network，CNN）模型。该模型在传统 CNN基础上加入选择性注意 层，模拟人眼的选择性注意功能，过滤复杂背景，突出行人特征。分别采用 LBP（local binary pattern）纹理处理 和梯度处理对选择性注意层进行训练，对比训练结果得到最优模型。分别在INRIA、NICTA和Daimler行人数 据集上进行实验，结果表明，该模型在行人检测中准确率明显优于传统 CNN、HOG+SVM、Haar+SVM、PCA+ SVM，在INRIA、NICTA和Daimler行人数据集上的准确率分别达到了96.14%、96.64%和99.78%。