一种改进聚合通道特征的行人检测方法

行人检测是计算机视觉和模式识别领域的研究热点与难点,针对聚合通道特征(Aggregate channel feature,ACF)算法应用于行人检测时,出现检测精度较低、平均对数漏检率(Log-average miss rate,LAMR)较高的情况,提出一种改进的ACF行人检测算法。首先结合objectness方法对ACF算法低得分区域进行进一步验证,可以在一定程度上减少算法的误检数;其次结合检测窗口的得分及位置信息,对非极大值抑制算法(Non-maximum suppression,Nms)进行改进,平均精度(Average precision,AP)提升了0.41%,LAMR降低了1.49%;最后采用星型可形变部件模型(Star-cascade DPM,cas DPM)对一定阈值下的得分检测窗口进行级联检测,AP提升了0.65%,LAMR降低了2.06%。在INRIA数据集上实验表明,满足实时检测的条件下,极大地降低了误检数,具有较好的行人检测效果。