如何使用級聯網絡進行行人檢測的方法說明

2474220 2019-04-12 | rar | 0.94 MB | 次下載 | 免費

資料介紹

　　針對復雜環境下行人檢測不能同時滿足高召回率與高效率檢測的問題，提出一種基于卷積神經網絡（CNN）的行人檢測方法。首先，采用CNN中的單步檢測升級版網絡YOL0v2 初步檢測行人;然后，設計一個網絡與Y0LOv2網絡級聯。設計的網絡具有目標分類和邊界框回歸的功能，對YOLOv2初步檢測出的行人位置進行再分類與回歸，以此降低誤檢提高召回率;最后，采用非極大值抑制（NMS）處理的方法去除冗余的邊界框。實驗結果顯示，在數據集INRIA和Caltech上，所提方法與原始YOL0v2相比，召回率提高3.3個百分點，準確率提高5.1個百分點，同時速度上達到了11.6 幀/s，實現了實時檢測。與現有的流行的行人檢測方法相比，所提方法具有更好的整體性能。

　　隨著智慧城市建設在國際國內如火如荼地展開，針對智能監控等相關計算機視覺的技術需求也日益增加。行人檢測作為計算機視覺領域的基礎任務，引起了國內外計算機視覺領域專家學者的特別關注［1］口傳統的行人檢測方法是利用人工設計的特征提取器，通過提取方向梯度直方圖（Histogramof Oriented Gradients， HOG）、局部二值模式（ Local BinaryPattern， LBP）等特征來訓練分類器，實現對行人的檢測，但人工設計的行人特征很難適應行人行為的大幅度變化。