一种基于改进型LeNet-5网络的行人识别算法制造技术

本发明专利技术公开了一种基于改进型LeNet‑5网络的行人识别算法，包括：1)将从网上裁剪的部分单行人图片、部分低像素手机拍摄的生活中行人图片以及戴姆勒行人检测标准数据库中选取的部分图片进行归一化处理，得到样本集；2)对样本集中的图片灰度化，并分为训练集、验证集和测试集；3)对LeNet‑5网络进行修改，在该网络的基础上再引入两层卷积层、两层池化层和BN层，将BN层置于网络激活函数层的前面。并将LeNet‑5中最后的Gaussian connection分类层改为softmax；4)将上述训练样本输入该网络进行训练，通过验证集和测试集的准确率来选取最终的训练模型，以达到提高检测精度的目的，更好地满足行人分类的准确率和实时性的要求。

【技术实现步骤摘要】
一种基于改进型LeNet-5网络的行人识别算法
本专利技术属于数字图像处理领域，具体涉及一种基于改进型LeNet-5网络的行人识别算法。
技术介绍
近年来无人驾驶、智能交通一直是生活中的热点话题，越来越多的研究者投身其中，国内的清华大学、西安交通大学等高校都对自动驾驶车辆这一领域进行了深入的研究，比如最近的夜间车辆距离检测，就是采样机器视觉的技术来衡量夜间车距，对于道路交通安全具有很大的研究意义。在智能驾驶领域，行人安全问题不可忽视，受天气、树木遮挡、光影、复杂背景等的影响，一定程度上加大了对行人的准确识别的难度。目前对于目标分类检测的主要方法分为传统方法和深度学习方法或者两种方法加以结合。行人检测中最重要的一部分就是特征提取，而HOG特征是该领域应用最广泛的特征之一。由于单一的特征在很多复杂情况下表达能力不足，一些研究者为了解决该问题又提出了组合特征，如Sangeetha等提出了一种行人检测方法，该方法是基于边缘梯度的多尺度高效直方图；JiaoJichao提出了一种能减轻背景干扰的HOG-PCA(HOGP)混合特征描述符。黄炎等提出了本文档来自技高网...

【技术保护点】
1.一种基于改进型LeNet-5网络的行人识别算法，其特征在于，包括以下步骤：/n1)将从网上裁剪的部分单行人图片、部分低像素手机拍摄的生活中行人图片以及戴姆勒行人检测标准数据库中选取的部分图片进行归一化处理，处理为48x64的图片，得到样本集；/n2)统一样本集中的图片维度，并对样本集进行标注处理，然后将样本集中的图片进行灰度化，并分为训练集、验证集和测试集；/n3)对LeNet-5网络进行修改，构建改进型LeNet-5网络；即，在常规的LeNet-5网络基础上，新引入两层卷积层、两层池化层和BN层。两层卷积层和两层池化层分别连接于LeNet-5中的第二个池化层之后，BN层置于网络激活函数层...

【技术特征摘要】
1.一种基于改进型LeNet-5网络的行人识别算法，其特征在于，包括以下步骤：
1)将从网上裁剪的部分单行人图片、部分低像素手机拍摄的生活中行人图片以及戴姆勒行人检测标准数据库中选取的部分图片进行归一化处理，处理为48x64的图片，得到样本集；
2)统一样本集中的图片维度，并对样本集进行标注处理，然后将样本集中的图片进行灰度化，并分为训练集、验证集和测试集；
3)对LeNet-5网络进行修改，构建改进型LeNet-5网络；即，在常规的LeNet-5网络基础上，新引入两层卷积层、两层池化层和BN层。两层卷积层和两层池化层分别连接于LeNet-5中的第二个池化层之后，BN层置于网络激活函数层的前面，并将LeNet-5中最后的Gaussianconnection分类层改为softmax。其中，在新引入的两个池化层中，第二个池化层为平均池化；
4)将训练集输入该改进型LeNet-5网络进行训练，通过验证集准确率选取最终训练模型，将所得最终训练模型用于测试集进行准确率测试。


2.如权利要求1所述的算法，其特征在于，步骤1)中，所述戴姆勒行人检测标准数据库是一个公开行人检测和分类数据集；从戴姆勒行人检测标准数据库中选取的部分图片是采用车载摄像机获取的图片，图片大小均为18x36。


3.如权利要求1所述的算法，其特征在于，步骤2)中所述的对样本集进行标注处理是，经含有行人的图片标注为1，不含行人的背景图标注为2。


4.如权利要求1所述的算法，其特征在于，步骤4)中所述将训练集输入该改进型LeNet-5网络进行训练算法如下：
(1)正向传播和反向传播：
正向传播就是通过卷积核不停的对图像进行滤波处理提取特征，同时计算整个网络的lo...

【专利技术属性】
技术研发人员：王燕妮，余丽仙，孙雪松，刘祥，翟会杰，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：陕西;61