基于自学习的行人检测方法

• 作 者: 汪中 施培蓓 刘贵全
• 机 构: 合肥师范学院计算机学院,大数据分析与应用安徽省重点实验室
• 出 处: 中国科学技术大学学报
• 发表日期: 2020年01期
• 关键词: 行人检测 自学习 分类器 高斯混合模型 梯度直方图 pedestrian detectionself-learningclassifierGaussian mi
• 基金项目: 国家自然科学基金(61976198),安徽高校自然科学研究重点项目(KJ2018A0498,KJ2019A0726),大数据分析与应用安徽省重点实验室开放课题资助.

离线训练的分类器应用于特定场景时,其检测性能将急剧下降.手工标注虽然可以提高检测性能,但是需要耗费大量的人工成本.为此提出一种基于自学习的行人检测方法,该方法可以改变任意离线训练的分类器用于特定场景的行人检测,并且取得了较好的识别率.首先将训练级联分类器作为离线分类器,并使用任意公开的行人图片训练高斯混合模型(GMM);然后利用离线分类测器对特定场景进行行人检测并获取候选对象的置信分数;再根据置信分数的高低构建正负样本集合并使用高斯混合模型重新标识样本;最后使用SVM分类器在线训练行人分类器,对候选