蔡英凤 王 海 孙晓强 袁朝春 陈 龙 江浩斌

(1江苏大学汽车工程研究院, 镇江 212013)(2江苏大学汽车与交通工程学院, 镇江 212013)

基于深度模型的场景自适应行人检测

蔡英凤1王 海2孙晓强1袁朝春1陈 龙1江浩斌2

(1江苏大学汽车工程研究院, 镇江 212013)(2江苏大学汽车与交通工程学院, 镇江 212013)

针对现有基于机器学习的行人检测算法存在当训练样本和目标场景样本分布不匹配时检测效果显著下降的缺陷,提出一种基于深度模型的场景自适应行人检测算法.首先,受Bagging机制启发,以相对独立源数据集构建多个分类器,再通过投票实现带置信度度量的样本自动选取;其次,利用DCNN深度结构的特征自动抽取能力,加入一个自编码器对源-目标场景下特征相似度进行度量,提出了一种基于深度模型的场景自适应分类器模型并设计了训练方法.在KITTI数据库的测试结果表明,所提算法较现有非场景自适应行人检测算法具有较大的优越性;与已有的场景自适应学习算法相比较,该算法在检测率上平均提升约4%.

场景自适应;行人检测;深度结构;卷积神经网络

现有的行人检测方法可分为2类：基于背景建模的方法和基于机器学习的方法.背景建模法难以应对场景动态变化的问题，仅适用于固定摄像头，如监控场景.而基于机器学习的方法则是利用特征表达，从大量训练样本中学习并构建行人分类器或检测器，其对动态及静态场景均适用，是目前主流的研究方法……