基于多通道稀疏卷积神经网络的行人检测算法

针对传统卷积神经网络(CNN)的输入是原始图像，冗余信息多，对局部边缘和纹理的刻画不明显的问题，提出了一种基于多通道输入的稀疏卷积神经网络(MCS — CNN)检测算法。将图像方向梯度直方图(HOG)特征构成的 HOG 特征图和色差(YUV)颜色空间组成 3 个通道，通过卷积层提取特征，并采用稀疏自动编码器稀疏化;使用 Softmax 分类器进行行人检测。模型充分利用图像的像素级特征，同时还融合HOG 对于行人轮廓显著描述的优点。实验结果表明:与 CNN，HOG 结合支持向量机(HOG — SVM)检测算法相比，MCS — CNN 模型检测准确度和检测速度均明显提高。