改进GA-PSO优化SVM的行人检测算法

作者：王谦; 张红英

来源：测控技术, 2019, 38(10): 51-60.

DOI：10.19708/j.ckjs.2019.10.011

• 图像处理
• 行人检测
• SVM
• 核函数
• 参数优化
• 惩罚因子

针对当前对于行人检测的准确率和检测效率的要求越来越高,提出一种GA-PSO算法对于支持向量机(SVM)参数优化的行人检测方法。首先,针对梯度直方图特征描述子的维数高、提取速度慢,使用PCA对其进行降维处理;以SVM算法作为分类器,为避免传统单核支持向量机算法检测率低的情况出现,以组合核函数作为分类器核函数,并设置松弛变量,引进惩罚因子,结合遗传算法(GA)和改进权重系数的粒子群算法(PSO)进行组合系数和参数的优化与选择,根据优化后的参数构成最终的SVM分类器进行行人检测。实验结果表明,与传统SVM检测以及其他优化方法相比,检测率方面都有明显改进,且满足对检测效率的要求。

• 出版日期2019
• 单位西南科技大学