基于卷積神經(jīng)網(wǎng)絡的行人檢測和識別研究.pdf

1、一直以來，行人檢測都是計算機視覺領域的重要研究課題之一。行人檢測通過圖像處理、計算機視覺相關算法以及機器學習等技術對行人進行識別和追蹤。行人檢測技術首先進行圖像、視頻的采集以及預處理，然后對行人檢測和行人跟蹤識別，在民用和軍事等的許多領域中對行人檢測技術的需求越來越多。行人識別技術在無人駕駛汽車、智能視覺監(jiān)控等領域中均有重要應用。近年來，以卷積神經(jīng)網(wǎng)絡為代表的深度學習方法在目標分類和檢測問題上取得了巨大成果，引起了眾多研究者的關注，成為

2、計算機視覺領域的研究熱點之一
　　基于卷積神經(jīng)網(wǎng)絡的行人檢測方法已經(jīng)越來越快速和準確，但大多數(shù)檢測方法仍受網(wǎng)絡深度和參數(shù)過多的影響，在低性能的計算機上運行緩慢。YOLO(You Only Look Once)實時物體檢測方法是目前最先進的實時目標檢測網(wǎng)絡之一，其檢測速度和準確率都有較高表現(xiàn)。針對低配置的計算機，論文基于YOLO模型設計了一種基于深度殘差網(wǎng)絡的快速目標檢測方法，其擁有20層卷積神經(jīng)網(wǎng)絡設計，并且融合了深度殘差網(wǎng)絡的瓶

3、頸設計，有效減少訓練參數(shù)，并采用預激活機制，保證了網(wǎng)絡性能和準確率。
　　在上述模型基礎上進一步設計了一種新的行人檢測方法。首先為了降低行人誤檢率，采用了更深的深度殘差網(wǎng)絡模型，在此基礎上針對行人在圖像上橫向表達較少，縱向表達相對較多的特性，增加了特征圖橫向特征維度，增加橫向維度的表達;其次為了提高網(wǎng)絡性能，采用了混合數(shù)據(jù)集訓練，使用PASCAL VOC行人數(shù)據(jù)增強INRIA數(shù)據(jù)集訓練;最后針對新的數(shù)據(jù)集使用維度聚類的方法初選了先