基于卷积神经网络及改进支持向量机的行人检测

Ａｂｓｔｒａｃｔ Ｔｈｅｃｏｍｐｌｅｘｒｏａｄｓｃｅｎｅｏｆａｕｔｏｍａｔｉｃｄｒｉｖｉｎｇｃａｕｓｅｓｈｉｇｈｆａｌｓｅｐｏｓｉｔｉｖｅｒａｔｅｏｆｐｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎ．Ｔｏ ｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍ，ｗｅｐｒｏｐｏｓｅａｐｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ（ＣＮＮ）ａｎｄｔｈｅ ｉｍｐｒｏｖｅｄｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＳＶＭ）．Ｗｅａｄｏｐｔｅｄｔｈｅａｇｇｒｅｇａｔｅｃｈａｎｎｅｌｆｅａｔｕｒｅ（ＡＣＦ） ｔｏｑｕｉｃｋｌｙｅｘｔｒａｃｔｔｈｅ ｃａｎｄｉｄａｔｅｒｅｇｉｏｎｓｏｆｉｍａｇｅｓ，ａｎｄｉｎｐｕｔｔｈｅｎｏｒｍａｌｉｚｅｄｃａｎｄｉｄａｔｅｒｅｇｉｏｎｓｉｎｔｏｔｈｅｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｔｏｄｅｅｐｌｙ ｅｘｔｒａｃｔｔｈｅｆｅａｔｕｒｅｓ．Ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＰＣＡ） ｗａｓｕｓｅｄｔｏｒｅｄｕｃｅｔｈｅｄｉｍｅｎｓｉｏｎｏｆｔｈｅｆｅａｔｕｒｅｖｅｃｔｏｒｓ ｏｂｔａｉｎｅｄａｔｔｈｅｅｎｄｏｆｔｈｅｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ，ｓｏａｓｔｏｒｅｄｕｃｅｔｈｅｒｅｄｕｎｄａｎｔｆｅａｔｕｒｅｉｎｆｏｒｍａｔｉｏｎａｎｄｏｂｔａｉｎ ａｃｃｕｒａｔｅｐｅｄｅｓｔｒｉａｎｆｅａｔｕｒｅｄｅｓｃｒｉｐｔｉｏｎ．Ｔｈｅｐｅｄｅｓｔｒｉａｎｆｅａｔｕｒｅｓｗｅｒｅｓｅｎｔｔｏｔｈｅｏｐｔｉｍｉｚｅｄｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｆｏｒ ｃｌａｓｓｉｆｉｃａｔｉｏｎ．ＣｏｎｓｉｄｅｒｉｎｇｔｈａｔｉｔｗａｓｄｉｆｆｉｃｕｌｔｉｎｓｅｌｅｃｔｉｎｇｔｈｅｐａｒａｍｅｔｅｒｓｏｆｋｅｒｎｅｌｆｕｎｃｔｉｏｎｉｎｔｈｅｐｒｏｃｅｓｓｏｆＳＶＭ ｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｗｅａｐｐｌｉｅｄｔｈｅｉｍｐｒｏｖｅｄａｎｔｃｏｌｏｎｙａｌｇｏｒｉｔｈｍ（ＡＣＡ）ｔｏｏｐｔｉｍｉｚｅｔｈｅｐｒｏｃｅｓｓｏｆｐａｒａｍｅｔｅｒｓｓｅｌｅｃｔｉｏｎａｎｄ ｏｂｔａｉｎｅｄｔｈｅｏｐｔｉｍａｌＳＶＭ ｐａｒａｍｅｔｅｒｓｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅ ａｖｅｒａｇｅａｃｃｕｒａｃｙｏｆｐｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎｉｎｄｉｆｆｅｒｅｎｔｓｃｅｎａｒｉｏｓｒｅａｃｈｅｓ９２％，ａｎｄｔｈｅｆａｌｓｅｐｏｓｉｔｉｖｅｒａｔｅｄｒｏｐｓｓｈａｒｐｌｙａｎｄ ｈａｓｇｏｏｄｒｅａｌｔｉｍｅｐｅｒｆｏｒｍａｎｃｅ．
Ｋｅｙｗｏｒｄｓ Ｐｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎ Ａｇｇｒｅｇａｔｅｃｈａｎｎｅｌｆｅａｔｕｒｅ Ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ Ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ Ａｎｔｃｏｌｏｎｙａｌｇｏｒｉｔｈｍ Ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ
关键词 行人检测 聚合通道特征 卷积神经网络 主成分分析 蚁群算法 支持向量机
中图分类号 ＴＰ３９１ 文献标识码 Ａ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０２０．０１．０３２
ＰＥＤＥＳＴＲＩＡＮ ＤＥＴＥＣＴＩＯＮ ＢＡＳＥＤ ＯＮ ＣＯＮＶＯＬＵＴＩＯＮＡＬＮＥＵＲＡＬＮＥＴＷＯＲＫ ＡＮＤ ＩＭＰＲＯＶＥＤ ＳＵＰＰＯＲＴＶＥＣＴＯＲ ＭＡＣＨＩＮＥ
０ 引 言
复杂道路场景下，自动驾驶车辆通过车身装载的
视觉传感器检测路况信息，结合其他传感器获取的信 息对驾驶行为进行分析决策，完成自主驾驶过程。我 国实际道路场景中，行人作为主要交通参与者，数量较 为庞大，在实际道路下因行人发生交通事故的事例时
收稿日期：２０１９－０３－１１。国家重点研发计划项目（２０１７ＹＦＤ０７０１２０４－０２）；河南省重点科技攻关项目（１５２１０２２１０１４２）。肖艳秋， 教授，主研领域：数字化设计与制造，车联网与自动驾驶。周坤，硕士生。焦建强，硕士生。杨先超，硕士生。夏琼佩，硕士生。
摘 要 针对自动驾驶实际道路场景复杂导致行人误检率高的问题，提出一种基于卷积神经网络及改进支持 向量机的行人检测方法。利用聚合通道特征快速获取图像候选区域，将归一化后的候选区域图像输入卷积神经 网络对其进行深度特征提取；利用主成分分析法将卷积神经网络末端所得到的特征向量进行降维处理，减少其冗 余特征信息以获得精确的行人特征描述；将行人特征送至优化后的支持向量机完成分类。考虑支持向量机在分 类过程中存在核函数参数选择困难的问题，利用改进后的蚁群算法对其进行优化选择，获得最优支持向量机参数 以提高分类精度。实验结果表明，不同场景下的行人平均检测精确度达到 ９２％，误检率大幅下降且具有较好的 实时性。
第 ３７卷第 １期 ２０２０年 １月
Байду номын сангаас
计算机应用与软件 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ
Ｖｏｌ３７ Ｎｏ．１ Ｊａｎ．２０２０
基于卷积神经网络及改进支持向量机的行人检测
肖艳秋 周 坤 焦建强 杨先超 夏琼佩
（郑州轻工业大学机电工程学院 河南 郑州 ４５０００２）
ＸｉａｏＹａｎｑｉｕ ＺｈｏｕＫｕｎ ＪｉａｏＪｉａｎｑｉａｎｇ ＹａｎｇＸｉａｎｃｈａｏ ＸｉａＱｉｏｎｇｐｅｉ
（ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＺｈｅｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙｏｆＬｉｇｈｔＩｎｄｕｓｔｒｙ，Ｚｈｅｎｇｚｈｏｕ４５０００２，Ｈｅｎａｎ，Ｃｈｉｎａ）
第 １期
肖艳秋等：基于卷积神经网络及改进支持向量机的行人检测
１９３
有发生。因此，为提高驾驶安全性以及保障人的生命 安全，自动驾驶车辆在行驶过程中必需准确及时地检 测出行人的位置及运动状态，提前进行防撞预警。由 于行人随机分布以及动态的特性，为检测过程带来许 多困难。行人因其衣着、形状不一使得在实际检测过 程中往往存在误检率高的问题，再加上道路场景复杂、 光照变化、遮挡以及图像质量差等因素的影响，严重制 约了行人检测的准确性和实时性［１］。因此，在自动驾 驶复杂道路环境下，提高行人检测的准确性且保证检 测实时性尤为重要。