基于SVM-LeNet模型的行人檢測

　　在方向梯度直方圖（ HOG）聯(lián)合支持向量機(jī)（SVM）算法（HOG-SVM）和LeNet網(wǎng)絡(luò)模型基礎(chǔ)上，提出了HOG與卷積神經(jīng)網(wǎng)絡(luò)（CNN）融合的行人檢測算法（SVM-LeNet）。采用多尺度滑動窗口提取HOG特征并送入SVM分類器，根據(jù)后驗(yàn)概率判斷候選區(qū)，隨后運(yùn)用CNN算法剔除誤檢窗口。為解決單個目標(biāo)被多個候選區(qū)域框定的問題，使用非極大值抑制算法（NMS）進(jìn)行多矩形融合，保留檢測區(qū)域中后驗(yàn)概率最大的窗口抑制與其重疊的檢測窗口。分類過程中，以候選區(qū)域在SVM和LeNet中后驗(yàn)概率為依據(jù)判斷行人區(qū)域。實(shí)驗(yàn)結(jié)果表明，與HOG-SVM和LeNet行人檢測算法相比，該算法在準(zhǔn)確率和召回率上有明顯優(yōu)勢。
?