基于多通道稀疏卷积神经网络的行人检测算法

摘要

针对传统卷积神经网络(CNN)的输入是原始图像,冗余信息多,对局部边缘和纹理的刻画不明显的问题,提出了一种基于多通道输入的稀疏卷积神经网络(MCS—CNN)检测算法.将图像方向梯度直方图(HOG)特征构成的HOG特征图和色差(YUV)颜色空间组成3个通道,通过卷积层提取特征,并采用稀疏自动编码器稀疏化;使用Softmax分类器进行行人检测.模型充分利用图像的像素级特征,同时还融合HOG对于行人轮廓显著描述的优点.实验结果表明:与CNN,HOG结合支持向量机(HOG—SVM)检测算法相比,MCS—CNN模型检测准确度和检测速度均明显提高.