[发明专利]一种针对行人检测的优化SSD方法

摘要

本发明公开了一种针对行人检测的优化SSD算法。本专利提出的行人检测算法，在SSD物体检测算法的基础上，引入交通场景下行人的先验信息并调整神经网络的连接方式，可有效缓解SSD算法对于小目标的漏检问题。算法首先利用调整后的网络得到初步的行人位置信息与行人特征信息，之后采用AdaBoost(adaptive boosting)决策森林算法对行人框做进一步的分类，增强算法对难分辨样例的判别能力。所提出的算法在检测速度上有着一定的优势。

主权项

1.一种针对行人检测的优化SSD算法，其特征在于：具体内容如下：利用行人检测训练数据中的每一个样本进行训练，并给每个样本分配一个系数，这些系数构成了向量D，初始时刻，这些系数都初始化成相等值，首先在训练数据上训练出一个弱分类器并计算该分类器的错误率，然后在同一数据集上再次训练弱分类器，在分类器的第二次训练中，重新调整每个样本的系数，其中第一次分类正确的样本对应系数降低，而第一次分类错误的样本对应系数提高，为了从所有弱分类器中得到最终的分类器，为每一个分类器都分配了一个权重值α，α的值是基于每个弱分类器的错误率进行计算得到的，假设错误分类的样本数目为w，总的样本数目为y，则错误率ε的定义为：而α的计算公式如下：计算出α值之后，对系数向量D进行更新，系数向量D的计算方法如下：如果样本被正确分类，那么该样本的权重更改为：而如果样本被错分，那么该样本的权重更改为：在计算出系数向量D之后，又进入下一轮迭代，每一次迭代分离中需要损失函数，采用加法模型计算损失函数，迭代完成之后更新系数向量D，不断地重复训练和调整权重的过程，直到训练错误率为0或者弱分类器的数目达到指定值为止。