收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度学习的行人检测

王斌  
【摘要】:行人检测技术由于应用的广泛性使其在计算机视觉领域成为一个重要分支,对视频监控、车辆辅助驾驶、智能机器人等多个领域提供了重要的技术支持。比如视频监控中关注的主要是行人的运动轨迹和行为,要实现对行人跟踪和行为分析首先要做的就是检测出视频中的行人。然而现实生活中由于行人在农着上的多样性、形态变化的多样性、所处背景的多样性、光照强弱的多样性、行人之间相互遮挡使得行人检测存在着诸多需要解决的问题。 如何设计一个与其他类别之间差异大,行人之间的类内差异小并且不受光照等多样性因素影响的特征,以及如何训练一个区分力强的分类器是行人检测领域的研究重点。2005年梯度方向直方图(HOG特征)的提出是这个领域一个重要的突破,此后大多数行人检测特征都是基于梯度方向直方图特征进行改进的。一般来说专家设计优秀的特征即使对于有扎实专业基础知识的研究人员也是很困难的,深度学习算法能很好地解决这个难题,它能自动地结合不同的分类任务从数据中学习并提取特征。近几年来,深度学习在大规模图像分类方面取得的了重大突破,表明深度学习可以从多媒体内容中提取具有很强表达能力的特征,从而有效地解决语义鸿沟的问题。 本文在对行人检测和深度学习相关技术进行充分调研的基础上,总结了行人检测主要难点和现有方法存在的问题,重点研究了基于深度学习的行人检测方法,取得的主要研究成果如下。 (1)针对传统行人检测需要专家设计特征以及特征存在的鲁棒性不强的问题,本文结合深度学习方法进行行人检测,该方法能够利用深度卷积神经网络框架自动的从行人数据库中学习行人的特征。但是通常深度学习网络的层次较深,需要学习参数非常多,只有在训练样本充足时才能有效地避免网络训练过拟合。对此本文采用基于内容的图像检索方法进行数据扩充,该方法在进行数据库扩充时充分考虑到原数据库的行人分辨率,背景分布等因素,使扩充后的数据库仍然保持INRIA数据库原有的数据分布,从而有利于训练对INIRIA数据库检测效果更佳的深度学习网络。 (2)针对行人检测窗口选择过程中使用滑动窗口产生冗余窗口较多且质量不高的问题,本文提出了一种多策略窗口选择的方法,该方法先利用选择性搜索算法提取质量高的预选区域,然后结合图像中行人特性和二值规范化梯度算法对预选区域进行过滤去除大量冗余窗口。最终产生了数目少、质量高的窗口,为后续的特征提取及分类提供了很好的保障。 (3)基于上述研究,本文设计了一套基于深度学习的行人检测系统,利用这套系统我们完成了通过多组对比实验。实验结果表明:利用基于内容的图像检索方法进行数据扩充后训练的基于深度学习的行人检测系统,在保持误检率为10%的情况下,漏检率仅为38%,比传统HOG特征的46%降低8%;在此基础上结合本文提出的窗口选择策略,漏检率降为23%,比使用HOG特征大幅降低了23%。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 曾春;李晓华;周激流;;基于感兴趣区梯度方向直方图的行人检测[J];计算机工程;2009年24期
2 倪恺;肖志涛;张芳;;基于梯度方向直方图的行人检测方法研究[J];电视技术;2011年05期
3 陈锐;彭启民;;基于稳定区域梯度方向直方图的行人检测方法[J];计算机辅助设计与图形学学报;2012年03期
4 王宇新;唐琳;郭禾;贾棋;;基于金字塔梯度方向直方图的分层投票方法[J];计算机工程;2012年08期
5 陈家波;赵勋杰;许峥;;基于梯度方向直方图特征和粒子滤波算法融合的目标跟踪[J];小型微型计算机系统;2012年08期
6 霍亚松;张锟;;非重叠低维度梯度方向直方图[J];模式识别与人工智能;2014年03期
7 张小虎;李由;李立春;王鲲鹏;于起峰;;一种基于梯度方向直方图的直线轮廓提取新方法[J];光学技术;2006年06期
8 孟钢;姜志国;赵丹培;;梯度方向直方图和子流形在目标跟踪中的应用[J];红外与激光工程;2012年06期
9 李林;张丽红;;基于改进梯度方向直方图的多尺度的行人检测[J];计算机应用;2012年S2期
10 周显国;;基于梯度方向直方图特征和支持向量机的医学影像分类方法[J];中国医疗设备;2014年02期
11 孙丽娟;张立材;;基于边缘梯度方向直方图的静态手语识别[J];微电子学与计算机;2010年03期
12 陈雁翔;刘鸣;;梯度方向直方图在语谱图映射中的应用[J];计算机工程与应用;2011年18期
13 刘清;吴志刚;郭建明;李龙利;;视角和旋转角变化时梯度方向直方图的转换[J];控制理论与应用;2010年09期
14 封筠;梁晓霞;穆志纯;;梯度方向直方图特征的人耳身份识别方法[J];南京大学学报(自然科学版);2012年04期
15 杨晓强;;基于边缘梯度方向直方图的图像检索算法[J];微计算机信息;2008年21期
16 毛晓波;朱东伟;陈铁军;;融合颜色和梯度方向直方图的粒子滤波跟踪算法[J];郑州大学学报(工学版);2012年04期
17 向征;谭恒良;马争鸣;;HOG在人脸识别中的性能研究[J];计算机工程;2012年15期
18 李博;杨丹;张小洪;;一种新的基于梯度方向直方图的图像配准方法[J];计算机应用研究;2007年03期
19 李璟;刘怀愚;洪留荣;;基于梯度方向直方图模板匹配的遮挡车辆跟踪方法[J];电脑知识与技术;2011年19期
20 余胜;谢莉;;基于边缘梯度方向直方图的图像检索[J];科技视界;2012年20期
中国重要会议论文全文数据库 前2条
1 曹剑;高爱华;秦文罡;;一种快速的行人检测算法[A];2010年西部光子学学术会议摘要集[C];2010年
2 杨峰;陈荣保;肖本贤;张崇巍;李天庆;;基于单目视觉的机器人状态监测方法研究[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
中国硕士学位论文全文数据库 前10条
1 闫贺;基于共生梯度方向直方图的实时人手检测系统[D];天津大学;2012年
2 孙丽娟;基于边缘梯度方向直方图的中国静态手语识别[D];西安建筑科技大学;2009年
3 刘超;基于梯度方向直方图的行人计数方法研究[D];北京邮电大学;2010年
4 薛冠超;基于机器视觉的行人快速检测方法研究[D];吉林大学;2012年
5 张旭东;行人检测技术研究[D];电子科技大学;2011年
6 陆堃;基于图像的行人检测方法研究[D];上海交通大学;2009年
7 陈刚;基于多特征的行人检测方法研究[D];吉林大学;2012年
8 孙肃肃;基于HOG-PCA和DPM的人脸检测方法的研究和实现[D];北京邮电大学;2014年
9 吴青松;视频监控的行人跟踪与辨识[D];浙江大学;2012年
10 王斌;基于深度学习的行人检测[D];北京交通大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978