文献类型：期刊文章

作　　者：施培蓓[1] 刘贵全[2] 汪中[3]

机构地区：[1]合肥师范学院公共计算机教学部,合肥230601 [2]中国科学技术大学计算机学院,合肥230027 [3]中国电子科技集团公司第三十八研究所数字技术部,合肥230088

出　　处：《小型微型计算机系统》

基　　金：国家科技支撑计划项目(2012BAH17B03)资助;安徽省自然科学基金项目(1408085MF131)资助;安徽高等学校省级自然科学研究项目(KJ2013B212)资助

年　　份：2015

卷　　号：36

期　　号：8

起止页码：1837-1841

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：行人检测器如何自适应场景的变化是智能交通的一个难点问题.当离线训练的分类器直接用于特定场景检测行人时,其分类性能将大大降低.针对该问题,提出一种基于快速增量学习的行人检测方法.所提方法的特点是以微小代价通过少量在线样本调整离线级联分类器的参数,同时保留原有分类器的分类能力.首先定义基于级联分类器架构的目标混合损失函数,接着分别对混合损失函数的离线部分和在线部分进行计算,得到离线部分的近似结果,然后对混合损失函数进行优化求解,最终给出快速增量学习方法的算法流程.在行人检测公开数据集上测试,相比于现有的增量学习方法,实验结果表明所提方法可以有效解决行人检测器的场景自适应问题.

关 键 词：行人检测 增量学习  损失函数 离线训练  在线检测

分 类 号：TP391]