深度图像下基于特征学习的人体检测方法

摘要

文章提出了一种单幅深度图像上的人体检测算法.该算法通过构建自编码神经网络的方法使机器自我学习图像的内部结构特征,达到特征提取的目的.针对自编码神经网络存在计算量大的问题,引入了卷积神经网、池化等概念.对滑动窗口检测法所产生的大量的待检测图像集进行特征提取将严重影响人体检测的速度.为此,利用深度图像中深度值的分布具有集中性的特点,在检测前对目标所在的可能位置进行预测,再针对这些目标可能集进行特征提取和分类,可以有效的提高人体检测速度.算法在SZU Depth Pedestrian数据集上得到了验证.