收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度学习的快速行人检测算法研究

曾兵  
【摘要】:行人检测是计算机视觉领域的重要分支之一,拥有巨大的发展潜力和应用前景。近几年,在智能监控、无人驾驶以及智能机器人等方面的应用快速推动行人检测的研究与发展。在密集度比较高的人群中,少部分行人的身体无法完全显示,使得在行人检测过程中出现漏检的情况;在特定行人的再识别研究中,由于遮挡、姿势以及拍摄角度等因素使得难以提取有效的行人特征。因此,针对以上问题,本文研究行人检测算法,实现快速精准的行人定位,主要研究如下:(1)在密集度比较高的人群中,头部是人体较为显著的部位且具有不易遮挡和形变等特性,通过检测人头判定是否存在行人,可以有效地降低行人检测的漏检率。本文以人头作为研究目标,根据人头的差异性,在MTCNN级联网络的基础上添加批次归一化,建立BN-MTCNN人头检测网络。在自建的人头数据集中进行训练与测试,其中测试集根据密集度、光照变化和遮挡的不同程度分为Easy和Hard两个子集。对于视频序列,在检测阶段采用跟踪算法KCF对人头进行稳定的跟踪,构建检测-跟踪-检测(DTD)的循环检测模型,可以快速稳定地检测出视频序列中的人头。实验结果表明:在Easy子集的检测准确率为95.01%,在Hard子集的检测准确率为86.35%;对于室内走廊环境下视频序列,在GPU为GTX 1080硬件平台上的检测准确率达到94.85%,在尺度为1920×1080的视频序列中检测速度为38帧/秒。(2)为了进一步提高在实际环境中对非显著人头目标检测的速度和稳定性,结合对非显著目标检测准确率更高的YOLOv3网络和KCF算法,采用DTD循环检测模型,实现非显著人头目标的快速稳定检测。实验结果表明:在Easy子集的检测准确为97.62%,在Hard子集的检测准确率为89.53%,在视频序列中的检测准确率为97.43%,速度为62帧/秒。(3)为了提高特定行人目标识别的准确率,在行人检测的基础上,提出基于改进AlignedReID网络的行人再识别方法。该方法结合参数量少、泛化性能好的DenseNet121网络,并融合行人的全局与局部特征,实现对特定行人目标的精确识别。实验结果表明:在行人之间存在遮挡的CUHK03(detected)数据集上,Rank-1和Rank-5识别率分别为68.2%和80.2%,平均精度(mAP)为71.6%,较原始AlignedReID网络分别提高了0.6%、0.7%以及0.9%;在行人无遮挡的Market1501数据集上,Rank-1和Rank-5识别率分别为93.8%和97.3%,mAP为90.5%,较原始AlignedReID网络分别提高了1.8%、0.9%以及2.0%。


知网文化
【相似文献】
中国期刊全文数据库 前15条
1 杨丹;张梦;朱毅;;基于深度学习的中文情感分析研究[J];电脑知识与技术;2019年21期
2 聂敏;;基于动态局部连接网络的行人再识别[J];电脑编程技巧与维护;2018年12期
3 刘芷含;李旻先;赵春霞;;遗漏负样本挖掘的行人检测方法[J];计算机与数字工程;2019年02期
4 余勇志;范博;;基于深度学习技术的宽带装维智能质检研究[J];电信技术;2019年03期
5 彭鸿元;吴恋;郑旭;张雯雯;兰腾腾;;基于深度学习的植物识别技术的发展[J];电脑知识与技术;2018年19期
6 邢世宏;杨晓东;单玉浩;;迁移学习在舰船识别中的应用[J];舰船科学技术;2018年19期
7 林子琦;;基于面向人脸验证的混合深度学习研究[J];中国新通信;2018年09期
8 缪裕青;汪俊宏;刘同来;周明;武继刚;;图文融合的微博情感分析方法[J];计算机工程与设计;2019年04期
9 廖鹏;刘宸铭;苏航;李启芳;韩延巾;;基于深度学习的学生课堂异常行为检测与分析系统[J];电子世界;2018年08期
10 何晴;郭捷;;非重叠域行人再识别算法研究[J];信息技术;2018年07期
11 詹劲松;;基于caffe的三种花的分类[J];福建师大福清分校学报;2017年05期
12 费加磊;陈宁;;基于深度学习的艺术家特性表示[J];华东理工大学学报(自然科学版);2019年01期
13 卞山峰;张庆辉;;车辆实时检测研究综述[J];电子质量;2019年02期
14 王一帆;龙彬;;早产儿视网膜病变智能筛查系统[J];现代计算机(专业版);2019年10期
15 银温社;胡杨升;董青青;易三莉;贺建峰;;基于深度学习的细胞癌恶化程度预测方法研究[J];软件导刊;2018年03期
中国重要会议论文全文数据库 前10条
1 陈乃刚;李健;曹芳;;基于FPGA的CNN单机多卡加速算法实现[A];2017电力行业信息化年会论文集[C];2017年
2 宋婷;邓晓波;张晨晓;;复杂场景下基于学习网络的目标检测方法[A];2018年军工装备技术专刊论文集[C];2018年
3 崔迪;马慧姝;逯瑜娇;;基于深度学习的人脸识别[A];中国计算机用户协会网络应用分会2017年第二十一届网络新技术与应用年会论文集[C];2017年
4 潘金秋;桂冠;;基于深度学习的物联网智能水位监控系统[A];物联网与无线通信-2018年全国物联网技术与应用大会论文集[C];2018年
5 侯权;谢文杰;;基于CNN与ASP的核电变压器双向故障诊断模型及可视化分析[A];数字中国 能源互联——2018电力行业信息化年会论文集[C];2018年
6 刘玉莹;刘宏哲;袁家政;何乔鹏;;深度哈希在大规模图像处理中的应用[A];中国计算机用户协会网络应用分会2017年第二十一届网络新技术与应用年会论文集[C];2017年
7 刘一宁;牛海强;李整林;;深海中利用卷积网络的单水听器测深方法[A];中国声学学会水声学分会2019年学术会议论文集[C];2019年
8 薛建明;刘宏哲;黄美玲;翁长虹;;基于深度学习的人脸识别技术研究[A];中国计算机用户协会网络应用分会2017年第二十一届网络新技术与应用年会论文集[C];2017年
9 王强;曾向阳;;深度学习方法及其在水下目标识别中的应用[A];中国声学学会水声学分会2015年学术会议论文集[C];2015年
10 孟德地;;基于人工智能的战场环境目标分析系统研究[A];第六届中国指挥控制大会论文集(上册)[C];2018年
中国博士学位论文全文数据库 前10条
1 梁敏健;智能车行车环境视觉感知关键技术研究[D];长安大学;2017年
2 郭迪;面向机器人操作的目标检测与抓取规划研究[D];清华大学;2016年
3 胡晓娟;中医脉诊信号感知与计算机辅助识别研究[D];华东师范大学;2013年
4 吕国豪;面向铁路运行环境检测的图像复原、增强及配准方法研究[D];北京交通大学;2017年
5 李涛;基于上下文的目标检测研究[D];电子科技大学;2016年
6 韩烨;基于机器学习的siRNA沉默效率预测方法研究[D];吉林大学;2017年
7 白晓东;基于图像的水稻关键发育期自动观测技术研究[D];华中科技大学;2014年
8 程爽;miRNA靶基因预测及其功能识别算法研究[D];哈尔滨工业大学;2016年
9 杨垠晖;真实感树木的逆向/智能交互建模技术[D];浙江大学;2017年
10 项导;视觉显著性物体检测方法及应用研究[D];中国科学技术大学;2016年
中国硕士学位论文全文数据库 前10条
1 曾兵;基于深度学习的快速行人检测算法研究[D];西南科技大学;2019年
2 杨雯;基于人脸视频的非接触式心测量算法的研究与实现[D];北京邮电大学;2019年
3 王鈃润;基于帧得分的视频摘要方法研究[D];山东大学;2019年
4 Adnan Iltaf;[D];南京理工大学;2018年
5 Muhammad Asim;人脸认证中对抗人脸假冒欺骗方法研究[D];中国科学技术大学;2018年
6 侯琦;深度学习在图像聚类及分类中的应用研究[D];陕西师范大学;2018年
7 宋楠;融合高斯与语义特征的行人重识别技术[D];天津大学;2018年
8 韩旭;基于深度对抗网络的草图检索[D];吉林大学;2018年
9 梁亮;基于深度学习的单目标跟踪方法研究[D];哈尔滨工业大学;2017年
10 甘伟焜;基于红外图像的变压器图像处理方法研究[D];华南理工大学;2017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