基于深度特征表示的行人識別方法研究.pdf

1、行人目標檢測與識別技術在智能交通和智能監(jiān)控系統(tǒng)等領域中一直有著重要應用。雖然該技術在過去幾十年中已經取得了長足的發(fā)展，但是由于行人外觀及復雜的背景環(huán)境等因素的影響，行人識別技術仍然是計算機視覺領域公開的難題。針對這一難題，本文提出了新穎的行人識別方法，在3個行人數(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別率。
　　針對行人識別中的特征表示問題，提出一種混合結構的分層特征表示方法，這種混合結構結合了具有表示能力的詞袋結

2、構和學習適應性的深度分層結構。首先利用基于梯度的HOG局部描述符提取局部特征，再通過一個由空間聚集受限玻爾茲曼機(RBM)組成的深度分層編碼方法進行編碼。對于每個編碼層，利用稀疏性和選擇性正則化進行無監(jiān)督受限玻爾茲曼機學習，再應用監(jiān)督微調來增強分類任務中視覺特征表示，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進行行人識別，提取深度分層特征遮擋等與目標無關部分自然分離，有效提高了后續(xù)識別的準確性。