基于深度特征表示的行人識(shí)別方法研究.pdf

1、行人目標(biāo)檢測(cè)與識(shí)別技術(shù)在智能交通和智能監(jiān)控系統(tǒng)等領(lǐng)域中一直有著重要應(yīng)用。雖然該技術(shù)在過去幾十年中已經(jīng)取得了長(zhǎng)足的發(fā)展，但是由于行人外觀及復(fù)雜的背景環(huán)境等因素的影響，行人識(shí)別技術(shù)仍然是計(jì)算機(jī)視覺領(lǐng)域公開的難題。針對(duì)這一難題，本文提出了新穎的行人識(shí)別方法，在3個(gè)行人數(shù)據(jù)集上通過與同類方法比較，證明了所提出方法具有較高的識(shí)別率。
　　針對(duì)行人識(shí)別中的特征表示問題，提出一種混合結(jié)構(gòu)的分層特征表示方法，這種混合結(jié)構(gòu)結(jié)合了具有表示能力的詞袋結(jié)

2、構(gòu)和學(xué)習(xí)適應(yīng)性的深度分層結(jié)構(gòu)。首先利用基于梯度的HOG局部描述符提取局部特征，再通過一個(gè)由空間聚集受限玻爾茲曼機(jī)(RBM)組成的深度分層編碼方法進(jìn)行編碼。對(duì)于每個(gè)編碼層，利用稀疏性和選擇性正則化進(jìn)行無監(jiān)督受限玻爾茲曼機(jī)學(xué)習(xí)，再應(yīng)用監(jiān)督微調(diào)來增強(qiáng)分類任務(wù)中視覺特征表示，采用最大池化和空間金字塔方法得到高層圖像特征表示。最后采用線性支持向量機(jī)進(jìn)行行人識(shí)別，提取深度分層特征遮擋等與目標(biāo)無關(guān)部分自然分離，有效提高了后續(xù)識(shí)別的準(zhǔn)確性。