• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文学位 >基于深度神经网络的实时视频下行人检测
【6h】

基于深度神经网络的实时视频下行人检测

代理获取
页面导航
  • 目录
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

目录

第一个书签之前

展开▼

摘要

行人检测是计算机视觉当中的关键技术，是行人行为分析、安全监控、无人驾驶和驾驶辅助系统等后续研究的基础，因此，对行人检测的精确度、实时性、鲁棒性都提出了较高的要求。然而，行人姿态多样、行人着装千差万别、检测环境复杂多变、行人之间容易出现遮挡等问题给行人检测工作带来了巨大挑战。
　　深度学习可以自主隐式地提取特征，并且提取的特征具有极好的鲁棒性，近年来得到了快速地发展，尤其是在物体识别和图像分类领域，随着网络深度不断加深，效果也不断提升，在2015年12月落幕的第六届ImagetNet图像识别大赛当中，微软设计的神经网络深度达到150层，对物体分类的错误率仅为3.5%，定位的错误率仅为9%。
　　本文基于深度神经网络，设计了二个行人检测的方案，并自建了一个包含近万张图片的数据集来进行训练，均能够快速精准地检测出视频场景中的行人，在基于背景建模的方案中，检测准确率达到了98%，每秒可以完成12帧的检测，在基于Faster R-C N N的方案中，算法直接对图像进行处理，漏检率仅为20%，这些都明显优于传统算法。另外，文中并采用缩放、滑动的组合窗口策略，有效消除了因光线产生的阴影影响，定位出行人的最佳位置，大大提高了算法的鲁棒性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号