資料介紹
近年來,隨著深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域的廣泛應(yīng)用,基于深度學(xué)習(xí)的視頻運(yùn)動(dòng)目標(biāo)檢測(cè)受到廣大學(xué)者的青睞。這種方法的基本原理是利用大量目標(biāo)樣本數(shù)據(jù)訓(xùn)練一個(gè)基于深度神經(jīng)網(wǎng)絡(luò)的分類器,然后通過分類器在線檢測(cè)目標(biāo)。由于深度神經(jīng)網(wǎng)絡(luò)能夠通過多層表示的方式更加深刻的描述目標(biāo)特征,基于深度學(xué)習(xí)的檢測(cè)方法優(yōu)點(diǎn)在于能夠準(zhǔn)確檢測(cè)具有訓(xùn)練數(shù)據(jù)中目標(biāo)特征的目標(biāo)。針對(duì)視頻運(yùn)動(dòng)目標(biāo)檢測(cè)這個(gè)特定的應(yīng)用,這種方法的局限性在于沒有利用目標(biāo)運(yùn)動(dòng)信息,檢測(cè)結(jié)果容易出現(xiàn)虛警目標(biāo)。本文將GMM建模方法與深度神經(jīng)網(wǎng)絡(luò)相結(jié)合,充分利用目標(biāo)外觀特征和運(yùn)動(dòng)信息,以期獲得更準(zhǔn)確的檢測(cè)結(jié)果。在2017年央企雙創(chuàng)展實(shí)地采集的展臺(tái)監(jiān)控?cái)?shù)據(jù)上進(jìn)行了實(shí)驗(yàn)驗(yàn)證。結(jié)果表明,本文方法相比于不融合運(yùn)動(dòng)信息的檢測(cè)方法,行人檢測(cè)準(zhǔn)確率提高3.8%。
隨著計(jì)算機(jī)計(jì)算技術(shù)和存儲(chǔ)技術(shù)的快速發(fā)展,視頻信息占人們接受信息的比重越來越大,對(duì)視頻的智能分析也越來越重要。其中視頻目標(biāo)檢測(cè)是對(duì)視頻分析的重要切入點(diǎn),因此不管是在學(xué)術(shù)界還是在商業(yè)界,目標(biāo)檢測(cè)都是研究和應(yīng)用的一個(gè)熱點(diǎn)。傳統(tǒng)的視頻運(yùn)動(dòng)目標(biāo)檢測(cè)方法包括背景差法、幀差法、光流法,這類方法的主要原理是基于像素級(jí)分析來確定運(yùn)動(dòng)目標(biāo)相對(duì)于背景圖像的差異,檢測(cè)運(yùn)動(dòng)目標(biāo)所在的位置。盡管學(xué)者們?cè)谶@類方法基礎(chǔ)上進(jìn)行了很多創(chuàng)新改進(jìn),但是這類自底向上的方法并未利用目標(biāo)外觀等宏觀信息,檢測(cè)結(jié)果容易受光照變化、目標(biāo)交叉遮擋、目標(biāo)與背景相似、陰影等因素影響。此外,針對(duì)視頻行人檢測(cè)這個(gè)特定的應(yīng)用,僅僅利用目標(biāo)運(yùn)動(dòng)信息并不能精確定位行人目標(biāo),尤其是目標(biāo)之間有交疊、部分遮擋等情況下,無法區(qū)分不同的目標(biāo)。
深度學(xué)習(xí)是目前機(jī)器學(xué)習(xí)在實(shí)際應(yīng)用中最成功的一種方法,在自然圖像分類、通用目標(biāo)檢測(cè)、語義分割等視覺領(lǐng)域取得了突破性的成績(jī)。將深度學(xué)習(xí)用于視頻運(yùn)動(dòng)目標(biāo)檢測(cè)的方法[7] [8] [9],能夠有效描述目標(biāo)外觀、結(jié)構(gòu)、色彩等視覺特征,從而檢測(cè)定位目標(biāo)。這類方法的局限性在于沒有利用目標(biāo)運(yùn)動(dòng)信息,導(dǎo)致與目標(biāo)外觀相似的虛警目標(biāo)被誤檢。
本文致力于復(fù)雜場(chǎng)景下的視頻行人目標(biāo)檢測(cè),將深度學(xué)習(xí)方法引入傳統(tǒng)視頻運(yùn)動(dòng)目標(biāo)檢測(cè)方法,利用深度學(xué)習(xí)方法對(duì)行人目標(biāo)準(zhǔn)確、全面的外觀描述的同時(shí),挖掘行人目標(biāo)運(yùn)動(dòng)信息,克服傳統(tǒng)運(yùn)動(dòng)檢測(cè)出現(xiàn)空洞、易受陰影、光照變化影響等難題,提高行人檢測(cè)準(zhǔn)確率。運(yùn)動(dòng)檢測(cè)采用背景建模法中比較成熟的混合高斯建模法GMM,有效克服光照變化,深度學(xué)習(xí)采用YOLOv3深度神經(jīng)網(wǎng)絡(luò)模型,實(shí)現(xiàn)行人與背景的二分類,解決目標(biāo)與背景相似的問題,二者充分融合,準(zhǔn)確檢測(cè)行人目標(biāo)。
?
- 基于深度學(xué)習(xí)的小樣本墻壁缺陷目標(biāo)檢測(cè)及分類 1次下載
- 基于YOLOv3的嵌入式設(shè)備視頻目標(biāo)檢測(cè)算法 7次下載
- 基于深度學(xué)習(xí)的顯著性目標(biāo)檢測(cè)的數(shù)據(jù)集和評(píng)估準(zhǔn)則 0次下載
- 基于深度學(xué)習(xí)的快速發(fā)現(xiàn)警告吸煙檢測(cè)模型 124次下載
- 基于深度學(xué)習(xí)的疲勞駕駛檢測(cè)算法及模型 25次下載
- 基于深度學(xué)習(xí)的視頻質(zhì)量評(píng)價(jià)方法及模型研究 81次下載
- 新型基于深度學(xué)習(xí)的目標(biāo)實(shí)時(shí)跟蹤算法 10次下載
- 如何使用級(jí)聯(lián)網(wǎng)絡(luò)進(jìn)行行人檢測(cè)的方法說明 6次下載
- 如何使用深度學(xué)習(xí)進(jìn)行井下巷道行人視覺定位算法的詳細(xì)資料說明 12次下載
- 如何使用深度學(xué)習(xí)進(jìn)行監(jiān)控視頻中多類別車輛檢測(cè)資料說明 7次下載
- 如何使用優(yōu)化圖的半監(jiān)督學(xué)習(xí)進(jìn)行行人檢測(cè)的詳細(xì)資料說明 5次下載
- 如何使用極端學(xué)習(xí)機(jī)進(jìn)行人臉特征深度稀疏自編碼的詳細(xì)方法概述 3次下載
- 深度學(xué)習(xí)是什么?了解深度學(xué)習(xí)難嗎?讓你快速了解深度學(xué)習(xí)的視頻講解 16次下載
- 人工智能深度學(xué)習(xí)目標(biāo)檢測(cè)的詳細(xì)資料免費(fèi)下載 44次下載
- EVP-6100演示視頻 行人檢測(cè)系統(tǒng)
- 基于AI深度學(xué)習(xí)的缺陷檢測(cè)系統(tǒng) 1598次閱讀
- 基于深度學(xué)習(xí)的小目標(biāo)檢測(cè) 995次閱讀
- 在ELF 1 開發(fā)板上實(shí)現(xiàn)讀取攝像頭視頻進(jìn)行目標(biāo)檢測(cè) 737次閱讀
- 深度學(xué)習(xí)在工業(yè)缺陷檢測(cè)中的應(yīng)用 1644次閱讀
- 如何學(xué)習(xí)基于Tansformer的目標(biāo)檢測(cè)算法 702次閱讀
- 康耐視深度學(xué)習(xí)實(shí)現(xiàn)高效血清質(zhì)量檢測(cè) 1031次閱讀
- 一種交通場(chǎng)景下的行人檢測(cè)方法 4017次閱讀
- 基于YUV顏色空間的陰影去除算法在行人檢測(cè)與跟蹤中的應(yīng)用 3012次閱讀
- 深度學(xué)習(xí)和普通機(jī)器學(xué)習(xí)的區(qū)別 4472次閱讀
- NVIDIA遷移學(xué)習(xí)工具包 :用于特定領(lǐng)域深度學(xué)習(xí)模型快速訓(xùn)練的高級(jí)SDK 3172次閱讀
- 基于深度學(xué)習(xí)的多目標(biāo)跟蹤算法技術(shù) 1.3w次閱讀
- 使用深度學(xué)習(xí)和OpenCV 進(jìn)行視頻目標(biāo)檢測(cè) 8155次閱讀
- 一種用深度學(xué)習(xí)框架對(duì)普通視頻進(jìn)行流暢穩(wěn)定的慢動(dòng)作回放的技術(shù) 4356次閱讀
- 可以將深度學(xué)習(xí)圖像分類器用于目標(biāo)檢測(cè)嗎? 1.4w次閱讀
- Mask R-CNN:自動(dòng)從視頻中制作目標(biāo)物體的GIF動(dòng)圖 1.1w次閱讀
下載排行
本周
- 1STM32開發(fā)板教程之STM32開發(fā)指南免費(fèi)下載
- 24.88 MB | 176次下載 | 3 積分
- 2EN60335-1安規(guī)標(biāo)準(zhǔn) 中文版本
- 1.86 MB | 52次下載 | 1 積分
- 3LT7406FJ N溝道增強(qiáng)型功率MOSFET規(guī)格書
- 1.38 MB | 2次下載 | 免費(fèi)
- 4STM32系列產(chǎn)品選型-中文
- 1.81 MB | 1次下載 | 免費(fèi)
- 5LTS6802FJCB N溝道增強(qiáng)型功率MOSFET規(guī)格書
- 1.00 MB | 1次下載 | 免費(fèi)
- 6運(yùn)算放大電路入門教程
- 0.70 MB | 1次下載 | 免費(fèi)
- 7米爾-瑞芯微RK3562核心板開發(fā)板,4核CPU,ARM中量級(jí)多面手
- 3.45 MB | 1次下載 | 免費(fèi)
- 8開源鴻蒙版真4K顯示器廣告機(jī)主板AIoT-6780SE彩頁
- 613.79 KB | 1次下載 | 免費(fèi)
本月
- 1STM32開發(fā)板教程之STM32開發(fā)指南免費(fèi)下載
- 24.88 MB | 176次下載 | 3 積分
- 2DeepSeek:從入門到精通
- 5.36 MB | 92次下載 | 1 積分
- 3EN60335-1安規(guī)標(biāo)準(zhǔn) 中文版本
- 1.86 MB | 52次下載 | 1 積分
- 4OAH0428最新規(guī)格書(中文)
- 2.52 MB | 27次下載 | 10 積分
- 5UHV系列雷電沖擊電壓發(fā)生器試驗(yàn)裝置詳細(xì)說明使用
- 1.07 MB | 17次下載 | 免費(fèi)
- 6Altium-常用3D封裝庫(Step)接插件篇
- 4.95 MB | 14次下載 | 免費(fèi)
- 7介紹一些常用的電子元器件
- 3.20 MB | 7次下載 | 免費(fèi)
- 8麻將機(jī)升降電路
- 0.12 MB | 6次下載 | 1 積分
總榜
- 1matlab軟件下載入口
- 未知 | 935124次下載 | 10 積分
- 2開源硬件-PMP21529.1-4 開關(guān)降壓/升壓雙向直流/直流轉(zhuǎn)換器 PCB layout 設(shè)計(jì)
- 1.48MB | 420063次下載 | 10 積分
- 3Altium DXP2002下載入口
- 未知 | 233088次下載 | 10 積分
- 4電路仿真軟件multisim 10.0免費(fèi)下載
- 340992 | 191371次下載 | 10 積分
- 5十天學(xué)會(huì)AVR單片機(jī)與C語言視頻教程 下載
- 158M | 183336次下載 | 10 積分
- 6labview8.5下載
- 未知 | 81583次下載 | 10 積分
- 7Keil工具M(jìn)DK-Arm免費(fèi)下載
- 0.02 MB | 73814次下載 | 10 積分
- 8LabVIEW 8.6下載
- 未知 | 65988次下載 | 10 積分
評(píng)論