论文部分内容阅读
针对行人分类中常见的光照条件、形体变化以及遮挡等多种因素,对特征提取过程造成了很大的阻碍。本文提出一种基于稀疏编码的分层特征提取方法。该方法采用前向预测函数训练最优的稀疏编码,在深度卷积网络模型的框架下以卷积预测稀疏分解算法(CPSD)分别对两层模型进行无监督学习,将两层的特征融合起来,最后采用支持向量机算法实现行人分类。实验结果表明,该文特征学习方法对行人分类的有效性,对比同类方法性能有明显提升。