基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)和識(shí)別研究.pdf

1、一直以來(lái)，行人檢測(cè)都是計(jì)算機(jī)視覺(jué)領(lǐng)域的重要研究課題之一。行人檢測(cè)通過(guò)圖像處理、計(jì)算機(jī)視覺(jué)相關(guān)算法以及機(jī)器學(xué)習(xí)等技術(shù)對(duì)行人進(jìn)行識(shí)別和追蹤。行人檢測(cè)技術(shù)首先進(jìn)行圖像、視頻的采集以及預(yù)處理，然后對(duì)行人檢測(cè)和行人跟蹤識(shí)別，在民用和軍事等的許多領(lǐng)域中對(duì)行人檢測(cè)技術(shù)的需求越來(lái)越多。行人識(shí)別技術(shù)在無(wú)人駕駛汽車、智能視覺(jué)監(jiān)控等領(lǐng)域中均有重要應(yīng)用。近年來(lái)，以卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)方法在目標(biāo)分類和檢測(cè)問(wèn)題上取得了巨大成果，引起了眾多研究者的關(guān)注，成為

2、計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)之一
　　基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)方法已經(jīng)越來(lái)越快速和準(zhǔn)確，但大多數(shù)檢測(cè)方法仍受網(wǎng)絡(luò)深度和參數(shù)過(guò)多的影響，在低性能的計(jì)算機(jī)上運(yùn)行緩慢。YOLO(You Only Look Once)實(shí)時(shí)物體檢測(cè)方法是目前最先進(jìn)的實(shí)時(shí)目標(biāo)檢測(cè)網(wǎng)絡(luò)之一，其檢測(cè)速度和準(zhǔn)確率都有較高表現(xiàn)。針對(duì)低配置的計(jì)算機(jī)，論文基于YOLO模型設(shè)計(jì)了一種基于深度殘差網(wǎng)絡(luò)的快速目標(biāo)檢測(cè)方法，其擁有20層卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)，并且融合了深度殘差網(wǎng)絡(luò)的瓶

3、頸設(shè)計(jì)，有效減少訓(xùn)練參數(shù)，并采用預(yù)激活機(jī)制，保證了網(wǎng)絡(luò)性能和準(zhǔn)確率。
　　在上述模型基礎(chǔ)上進(jìn)一步設(shè)計(jì)了一種新的行人檢測(cè)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(luò)模型，在此基礎(chǔ)上針對(duì)行人在圖像上橫向表達(dá)較少，縱向表達(dá)相對(duì)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(dá);其次為了提高網(wǎng)絡(luò)性能，采用了混合數(shù)據(jù)集訓(xùn)練，使用PASCAL VOC行人數(shù)據(jù)增強(qiáng)INRIA數(shù)據(jù)集訓(xùn)練;最后針對(duì)新的數(shù)據(jù)集使用維度聚類的方法初選了先