论文部分内容阅读
在方向梯度直方图(HOG)联合支持向量机(SVM)算法(HOG—SVM)和LeNet网络模型基础上,提出了HOG与卷积神经网络(CNN)融合的行人检测算法(SVM—LeNet)。采用多尺度滑动窗口提取HOG特征并送入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检测窗口。分类过程中,以候选区域在SVM和LeNet中后验概率为依据判断行人区域。实验结果表