基于SVM-LeNet模型融合的行人检测算法.pdfVIP

下载本文档

66
0
约1.34万字
约 5页
2017-07-16 发布于湖北
举报
版权申诉

基于SVM-LeNet模型融合的行人检测算法.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于SVM-LeNet模型融合的行人检测算法.pdf

第43卷第5期计算机工程 2017年5月 V01．43No．5 Computer Mav2017 Engineering ·人工智能及识别技术· 文章编号：1000．3428(2017)05．0169-05文献标志码：A 中图分类号：TP391．41 基于SVM—LeNet模型融合的行人检测算法邹冲h，1b，蔡敦波h，1b，赵娜h1b，刘莹h，仆，赵彤洲181b’2 (1．武汉工程大学a．计算机科学与工程学院；b．智能机器人湖北省重点实验室，武汉430205； 2．华中科技大学自动化学院，武汉430074) 摘 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 SVM和LeNet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。关键词：行人检测；权重模板；支持向量机；非极大值抑制算法；卷积神经网络中文引用格式：邹冲，蔡敦波，赵 43(5)：169—173． a1．PedestrianDetection BasedonSVM—LeNetModel 英文引用格式：ZouChong，CaiDunbo，ZhaoNa，et Algorithm Engineering，2017，43(5)：169—173． Fusion[J]．Computer PedestrianDetection BasedonSVM·LeNetModelFusion Algorithm 8，162 ZOU Dunb01 8岫，CAI 3，”，ZHAONal3”，LIUYin918，伸，ZHAOTongzhoul Chon91 a．Schoolof Scienceand (1 Computer Engineering； lb．HubeiProvincial of Instituteof Robot，Wuhan Technology，Wuhan430205，China； KeyLaboratoryIntelligent of ofScienceand 2．School Technology，Wuhan430074，China) Automation，HuazhongUniversity basisof of Gradientwith Vector and the Oriented 【Abstract】On Histogram Support andConvolutionalNeural LeNetnetworkmodel．a detection whichisthecombinationofHOG pedestrian algorithm