摘要：針對(duì)當(dāng)前對(duì)于行人檢測(cè)的準(zhǔn)確率和檢測(cè)效率的要求越來(lái)越高,提出一種GA-PSO算法對(duì)于支持向量機(jī)(SVM)參數(shù)優(yōu)化的行人檢測(cè)方法。首先,針對(duì)梯度直方圖特征描述子的維數(shù)高、提取速度慢,使用PCA對(duì)其進(jìn)行降維處理;以SVM算法作為分類(lèi)器,為避免傳統(tǒng)單核支持向量機(jī)算法檢測(cè)率低的情況出現(xiàn),以組合核函數(shù)作為分類(lèi)器核函數(shù),并設(shè)置松弛變量,引進(jìn)懲罰因子,結(jié)合遺傳算法(GA)和改進(jìn)權(quán)重系數(shù)的粒子群算法(PSO)進(jìn)行組合系數(shù)和參數(shù)的優(yōu)化與選擇,根據(jù)優(yōu)化后的參數(shù)構(gòu)成最終的SVM分類(lèi)器進(jìn)行行人檢測(cè)。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)SVM檢測(cè)以及其他優(yōu)化方法相比,檢測(cè)率方面都有明顯改進(jìn),且滿足對(duì)檢測(cè)效率的要求。