论文部分内容阅读
为解决在复杂环境下难以尽可能多地检测到行人的问题,提出一种基于聚合通道特征、通过卷积神经网络提取特征的行人检测算法。采用聚合通道特征的算法尽可能多地产生候选框,通过卷积神经网络提取候选框内物体的深度特征,使用支持向量机分类器对候选框内的物体进行分类,检测出行人。在公开数据集Caltech和INRIA数据集上进行测试,实验结果表明,与目前主流算法比较,召回率平均提升12%,F值平均增加0.05,能有效减少计算机的计算开销。