摘要

基于卷积神经网络（CNN）与传统手工特征（HOG+LUV）结合的行人检测方法已取得显著成功。通常情况下，HOG+LUV用于生成候选区域，然后由CNN对这些候选区域进行分类。尽管该方法取得了成功，但仍存在改进的空间。例如，CNN通过全连接层特征对候选区域进行分类，而忽略了提案得分和CNN内部层的特征。在本文中，我们提出了一种统一框架，称为多层通道特征（Multilayer Channel Features, MCF），以克服这一缺点。首先，MCF将HOG+LUV与CNN的每一层集成到一个多层图像通道中。在此基础上，学习一个多阶段级联AdaBoost模型。每个阶段的弱分类器从相应层的图像通道中学习而来。凭借更加丰富的特征，MCF在Caltech行人数据集上达到了最先进的水平（即10.40%的漏检率）。使用新的精确注释后，MCF的漏检率降低至7.98%。由于前几个阶段可以快速排除许多非行人的检测窗口，因此检测速度提高了1.43倍。通过在第一阶段后剔除得分较低且高度重叠的检测窗口，其速度进一步提高至4.07倍，性能损失可忽略不计。