行人检测

摘要： 针对外部环境的复杂多变性导致基于传统多光谱聚合通道特征(MACF)的行人检测算法漏检率高的问题,在提取红外通道梯度方向直方图(HOG)特征时,利用局部区域的邻域像素强度差异估计和信息熵分析,构建新的熵加权强度差异直方图(EWHID)特征,来加强行人目标边缘轮廓部分对整体特征的贡献程度。针对昼夜不同环境条件下多光谱行人特征存在差异导致误检率较高的问题,利用HSV颜色空间直方图信息建立的检测器对输入图像进行昼夜分类,用训练好的日间和夜间Real Adaboost分类器对图像进行昼夜分时检测。仿真实验结果表明:相比于MACF行人检测算法误检窗口减少,检测精度提升。

摘要： 为了提高在大量视频监控中寻找目标行人的效率,本文基于行人重识别算法开发了一个智能视频监控系统。该系统使用行人检测算法获取监控视频中的行人图片并裁剪后输入行人重识别算法中,得到行人特征并通过对比来检索行人。经过测试,本系统在6路摄像头下表现良好,能较准确地在视频监控中搜寻目标行人,极大地提高了工作效率。

摘要： 文章提出了一种针对海关监管场景下的人员检测系统,当未授权人员进出监管场所禁区时可及时预警告知海关工作人员。由于传统的YOLO v3网络无法应对背景复杂或目标过小的情况,文章改进了YOLO v3神经网络,加入HOG-CLBP特征提取层,并改进了先验框的生成算法。另外,文章算法修正了损失函数,使其更加符合人体姿态特征,最后通过边界点偏离检测来判别是否有人员越界情况。文章对INRIA数据集和海关真实场景数据进行了测试,结果表明该方法可以有效地提高夜晚环境下人员的检测精度。

摘要： 针对行人检测算法未能充分利用行人的特征信息,导致对行人的检测效果不佳问题,本文对无锚框的行人检测网络模型CSP进行了相应改进,提出了一种基于卷积神经网络的行人检测算法。首先,将原主干网络由ResNet-50加深为ResNet-101,然后引入卷积块注意力模块(CBAM)来提高原网络对小尺度行人中心点的特征表达,加入基于分数融合公式的分类器模块来进一步提高被遮挡行人的置信度,最终得到AS-CSP算法。该算法可以进一步提高对小尺度行人以及遮挡行人的检测效果。实验采用的数据集是CityPersons数据集,并在通用行人、小尺度行人以及遮挡行人等不同场景下进行对比实验,验证新算法的有效性。实验结果表明,本文提出的AS-CSP算法在通用行人、小尺度行人以及遮挡行人场景上的检测效果相比于原算法都得到了提升。

摘要： 近些年,随着计算机视觉的不断发展,行人检测和行为识别技术在众多前沿科技领域有着极大的应用价值。本文在行人检测技术研究中采用了方向梯度直方图(HOG)的方法提取图像特征,然后用支持向量机(SVM)的方法进行分类框选出行人并进行跟踪来实现动态的行人检测。在行为识别技术研究中,本文通过OpenPose算法提取行人骨骼关节点特征获得其骨骼关节的坐标,然后用深度神经网络(DNN)构建模型,最后用Softmax分类器对行人行为进行识别。实验结果表明本文算法可以对多个行人进行准确检测,并能够对视频行为进行有效识别,在复杂的场景也可达到较为理想的效果。

摘要： 针对现有基于神经网络的人体目标检测算法网络结构复杂,运算量大,不利于实际应用,以及传统方法检测精度较差的问题,提出一种新的轻量级检测算法,使用无锚框机制,并将MobileNetV3作为主干网络。该网络支持多个数据输入方式,可分别以RGB彩色图、深度图或RGB-D作为输入。通过在两个公开数据集和自采集数据集中的试验证明,新算法总体检测精度及运行效率均优于已有算法,获得较为理想的每秒峰值速度(FLOPS)。在英特尔i5-7200 CPU平台下,以RGB-D和Depth为输入的帧率分别可达32f/s和55f/s,以RGB为输入的表现优于同级别轻量级网络YOLOV3-Tiny。

摘要： 为提高实际应用场景中行人的检测精度,提出了使用高分辨率特征提取网络HRNet(high-resolution representation network)并引入Guided Anchoring机制对RetinaNet算法进行改进,维持了特征图在特征提取过程中的高分辨率信息,同时使网络中的锚框自适应生成,提高了算法的检测精度。结果表明:该改进算法在Caltech行人数据集上取得了0.905的平均精度均值(mean average precision,mAP),相比于标准的RetinaNet算法提高了6.0%,在每帧图像尺寸为1280×720像素的视频上检测速度达到了19 FPS(FPS为每秒检测帧数),达到了检测精度与检测速度的均衡。

摘要： 将YOLOv5算法应用于行人检测的实验研究。首先,在YOLO网络的输入端对数据集图像Mosaic数据增强、自适应缩放、自适应锚框计算,并利用创新的Focus结构对图像进行切片操作,增加其维度。然后,在Neck部分采用FPN+PAN结构进行卷积操作,加强网络特征融合的能力。最后,在输出端利用GIOU_Loss函数优化网络参数,加速模型收敛。实验结果分析可知,基于YOLOv5的行人检测方法准确率更高,速度更快。

摘要： 尺度过小或被遮挡是造成行人检测准确率降低的主要原因。由于行人头部不易被遮挡且其边界框包含的背景干扰较少,对此,该文提出一种结合头部和整体信息的多特征融合行人检测方法。首先,设计了一种具有多层结构的特征金字塔以引入更丰富的特征信息,融合该特征金字塔不同子结构输出的特征图从而为头部检测和整体检测提供有针对性的特征信息。其次,设计了行人整体与头部两个检测分支同时进行检测。然后,模型采用无锚框的方式从特征图中预测中心点、高度及偏移量并分别生成行人头部边界框和整体边界框,从而构成端到端的检测。最后,对非极大值抑制算法进行改进使其能较好地利用行人头部边界框信息。所提算法在CrowdHuman数据集和CityPersons数据集Reasonable子集上的漏检率分别为50.16%和10.1%,在Caltech数据集Reasonable子集上的漏检率为7.73%,实验表明所提算法对遮挡行人的检测效果以及泛化性能与对比算法相比得到一定的提升。

摘要： 在复杂路况下的行人检测中,行人尺寸变化大,导致小尺寸行人漏检率高,增加了行人检测的难度。为了降低行人检测漏检率,提高行人检测精度,在级联区域卷积神经网络(cascade regional convolutional neural network,Cascade RCNN)的基础上,将浅层特征与深层特征融合,进行深层特征对浅层特征的特征增强,提高深层信息的利用率,并且增加了一条浅层到深层的通道,将浅层信息直接向上进行传递,提高浅层空间信息的利用率;将行人分类和预测框回归的全连接层改为解耦的回归与分类分支,更加稳健地进行分类和回归整个边界框。在Caltech和ETH行人数据集上进行实验,结果表明,改进的Cascade RCNN与原Cascade RCNN相比,在Caltech行人数据集中大中小尺寸行人漏检率分别降低了7.9个百分点、11.4个百分点和9.1个百分点,平均精度均值提高了3.0个百分点;在ETH行人数据集中漏检率降低了5.6个百分点,平均精度均值提高了2.3个百分点。

摘要： 行人检测受角度、光照等因素影响很大,加之地铁环境较为复杂,在采集图像过程中,地铁内光照不均匀以及行人运动产生模糊等都会影响检测结果的准确性.采用基于改进的DeblurGAN网络的图像去模糊和二维Gamma函数自适应亮度校正算法对地铁行人图像进行处理,后经深度卷积神经网络对不同处理前后所得五种图像进行训练并测试.实验结果表明,经过去模糊和光照校正处理后训练的行人检测模型的检测精度相比原图像所得模型有明显的提高.

摘要： 近年来,随着智能技术的进步和社会的发展,智能化的应用已经融入到生活的方方面面,基于视觉的行人检测是智能监控、智能驾驶、无人驾驶等领域的重要组成部分,现有基于深度学习的行人检测方法主要分为两类:1)以Faster RCNN为代表的检测方法,具有较高的检测精度;2)以YOLO为代表的检测方法,具有快速的检测速度.在实际的诸多应用场景中,对检测算法的准确度是要求较高的,文中实现了基于Faster RCNN的行人检测算法,具有较高的检测准确率,为后续行人检测技术在诸多应用场景中的落地奠定了基础.

摘要： 随着无人机应用领域的扩展,基于无人机平台的行人检测在监视、侦查等方面的作用愈发重要.行人目标尺度小是无人机平台检测的一个重要特点,由此引发的目标分辨率低、易受环境影响等问题对现有的行人检测方法提出了严峻的挑战.针对行人目标尺度小的问题,重点研究了行人目标在暗通道域的特性,结合聚合通道特征,解决无人机视角下的行人检测问题.实验表明,这种方法在检测无人机平台下的小尺度行人具有良好的效果.

摘要： 行人检测技术是计算机视觉和人工智能领域的核心问题,在现代智能监控中具有重要的应用前景,随着计算机视觉与模式识别技术的发展,基于监控视频的行人检测算法不断被提出.由于现有的行人检测算法受到光照、视角、尺度、姿势以及部分遮挡等因素的影响,使得行人检测仍然是一个开放性的问题.本文针对现有的行人检测算法在处理复杂背景以及尺度变化等情况时存在检测精度不高的问题,提出了一种基于时空梯度方向直方图与级联支持向量机的行人检测算法.时空梯度方向直方图用于描述行人的外观特征和运动特征,通过对外观特征、运动特征进行融合,采用级联支持向量机算法对行人检测器进行训练,最终得到分类效果好的行人检测器,实现更好的检测性能.

摘要： 行人检测技术是智能监控系统、智能交通系统、机器人和汽车安全等计算机视觉领域的研究热点.由于在视频场景中人体的位置、角度、穿着等都是复杂多变的,对检测精度有很大影响.通过对统计特征变换直方图(CENTRIST)的优缺点分析,提出了一种新的人体检测特征——三值统计特征变换直方图(T-CENTRIST).T-CENTRIST一方面考虑了每个像素与其邻域像素之间的关系.另一方面也考虑了这些邻域像素之间的相关性度量.相比于CENTRIST,T-CENTRIST方法能更充分、更准确地反映行人的轮廓.其次,文中提出了一种基于T-CENTRIST特征的红外图像行人检测框架,引入了扩展块和整体图像的思想.最后,实验结果验证了所提出的行人检测方法的有效性.

摘要： 研究了网络视频监控中行人检测和跟踪技术,并提出了基于多模型检测的视频监控行人跟踪算法.首先在已有检测算法的基础上,根据实验结果,分析了算法的优势和存在问题,提出了多模型融合检测算法,多模型融合检测算法充分利用各个单模型算法的优势,提高模型检测准确率,并使用快速特征金字塔算法提高了算法的实时性.随后在提出的检测算法基础上,结合卡尔曼滤波算法和匈牙利最优匹配算法实现多目标行人检测和实时跟踪.MOT测试视频实验结果表明:提出的跟踪算法能够较好地实现多目标行人检测和跟踪,适合网络视频监控场景.

摘要： 行人目标检测在许多领域有着广泛的应用,它是计算机视觉研究的焦点之一.考虑LSVM方法对遮挡信息挖掘不足,在可变部位模型的基础上,针对部位遮挡问题,建立了条件随机场模型,采用两层分类器.在参数学习中,采用随机梯度下降和置信传播算法优化条件随机场的目标函数.实验结果表明,该文提出的方法在遮挡问题方面表现出较好的效果.

摘要： 随着中国经济社会的快速发展,面临着多种应急突发事件:自然灾害、事故灾难、公共卫生、社会安全等,严重影响了中国经济的健康发展,对百姓的生命、财产安全也造成了严重威胁.建立预警和应急机制是保障人民生命财产的重要内容,预警和应急机制能够把应急信息在最短时间内发布出去.对视频图像中的人群密度的检测是实现应急预警能力的先导,也是保障人民生命财产的一个重要部分,预先知道人的数量能够更好地应对突发事件.本文针对人群密度检测中经常出现的问题,采用计算机视觉的相关技术,对人群密度的相关算法进行研究,得到基于计算机视觉人群密度检测的设计方案.

摘要： 随着中国经济社会的快速发展,面临着多种应急突发事件:自然灾害、事故灾难、公共卫生、社会安全等,严重影响了中国经济的健康发展,对百姓的生命、财产安全也造成了严重威胁.建立预警和应急机制是保障人民生命财产的重要内容,预警和应急机制能够把应急信息在最短时间内发布出去.对视频图像中的人群密度的检测是实现应急预警能力的先导,也是保障人民生命财产的一个重要部分,预先知道人的数量能够更好地应对突发事件.本文针对人群密度检测中经常出现的问题,采用计算机视觉的相关技术,对人群密度的相关算法进行研究,得到基于计算机视觉人群密度检测的设计方案.

摘要： 随着中国经济社会的快速发展,面临着多种应急突发事件:自然灾害、事故灾难、公共卫生、社会安全等,严重影响了中国经济的健康发展,对百姓的生命、财产安全也造成了严重威胁.建立预警和应急机制是保障人民生命财产的重要内容,预警和应急机制能够把应急信息在最短时间内发布出去.对视频图像中的人群密度的检测是实现应急预警能力的先导,也是保障人民生命财产的一个重要部分,预先知道人的数量能够更好地应对突发事件.本文针对人群密度检测中经常出现的问题,采用计算机视觉的相关技术,对人群密度的相关算法进行研究,得到基于计算机视觉人群密度检测的设计方案.

摘要： 本发明公开了一种基于深度学习的行人检测模型构建方法及行人检测方法，该方法设计了一种深度卷积神经网络结构，联合采用改进的排斥损失来监督深度卷积神经网络的训练，该方法首先利用特征提取网络从图像中提取特征图，然后利用多步预测的方式生成行人预测框，最后利用非极大值抑制策略过滤出最终的行人检测框。本发明提出的方法能够有效减少由于类内遮挡引起的漏检和误检。

摘要： 本发明公开了一种正样本获取方法、行人检测模型生成方法和行人检测方法，该正样本获取方法包括：对原始图像中预先标记的正样本原始框添加扰动，以得到正样本选取框，所述正样本原始框所围住的图像包含行人；提取所述正样本选取框所围住的图像以作为正样本。本发明的技术方案可有效提升原始图像中可获取的正样本的数量，以及为正样本添加背景，可有效提升训练出的行人检测模型的识别精准度。

摘要： 本申请提供了一种行人检测训练数据库的建立方法、行人检测方法及装置，方法包括：在初始行人检测训练数据库中扩增指定数量的包含指定卧姿的行人样例图像数据，获得第一扩增数据库；将第一扩增数据库中的非卧姿行人样例图像数据进行基于颜色替换的行人样例图像扩增，获得第二扩增数据库；将第二扩增数据库中的非卧姿行人样例图像数据进行基于人体比例的行人样例图像扩增，获得行人检测训练数据库。通过增加指定卧姿行人样例图像数据和对非卧姿行人样例数据分别进行基于颜色替换和人体比例的扩增，提高数据库中行人样本的外观多样性；提出的对行人数据集进行卧姿行人样例图像的扩增，对驾驶环境下的行人检测具有克服技术偏见的重要意义。

摘要： 本发明提供一种建立行人检测模型的方法及行人检测方法，建立行人检测模型的方法构建了多任务基本决策树，所述多任务基本决策树的层数与训练样本的遮挡程度分类数量一致，每个节点包括一个基本决策树，这样，通过在每个输入节点输入特征值，可以获得一个多任务基本决策树的输出，然后可以得到每种输入下的分类误差值，分类误差值最小的则是最优的多任务基本决策树，通过使用多任务基本决策树，将训练样本的不同分类情况都进行了关联，因此不同遮挡程度的训练样本针对该多任务基本决策树进行训练，使得该模型具有更好的鉴别能力，使得存在部分遮挡或严重遮挡的待测行人可以更好的被检测出来，从而提高不同遮挡程度下行人检测的准确率。

摘要： 本申请实施例提供一种行人检测模型的训练方法、行人检测方法与装置，涉及人工智能技术领域，包括：将样本图像输入至特征提取单元中，获取特征提取单元输出的多个目标特征图像，并输入至分类检测单元中，获得分类检测单元输出的每个目标特征图像的候选区域，根据每个目标特征图像的候选区域与标准区域的第一交并比，获得所述样本图像中的行人候选区域，根据行人候选区域与标准区域交并比，对行人检测模型进行训练。使用训练后的行人检测模型对图像中的行人进行检测，可以有效提升行人检测模型的准确度，以及可以减少冗余的行人候选区域，提升了在复杂场景下行人检测的准确率以及检测速度。

摘要： 本发明公开了一种基于深度学习的行人检测模型构建方法及行人检测方法，该方法设计了一种深度卷积神经网络结构，联合采用改进的排斥损失来监督深度卷积神经网络的训练，该方法首先利用特征提取网络从图像中提取特征图，然后利用多步预测的方式生成行人预测框，最后利用非极大值抑制策略过滤出最终的行人检测框。本发明提出的方法能够有效减少由于类内遮挡引起的漏检和误检。

摘要： 本发明公开了一种夜间行人检测系统,由图像采集模块、处理器、电源模块、显示模块和存储模块组成，图像采集模块、电源模块、显示模块和存储模块均与处理器电性连接,发明的图像采集模块用于采集夜间图像,电源模块用于供电,显示模块用于显示夜间图像,存储模块用于存储数据，处理器通过处理夜间图像然后检测出行人,与PC相比,体积小,移动方便,便于携带,另外,提供一种夜间行人检测方法，降低了行人检测的误报数量，也降低了行人检测算法的工作量,在视频显示上，采取隔帧检测的视频处理方法优化了视频的流畅度，提高了用户的使用体验。

摘要： 本申请提供了一种行人检测训练数据库的建立方法、行人检测方法及装置，方法包括：在初始行人检测训练数据库中扩增指定数量的包含指定卧姿的行人样例图像数据，获得第一扩增数据库；将第一扩增数据库中的非卧姿行人样例图像数据进行基于颜色替换的行人样例图像扩增，获得第二扩增数据库；将第二扩增数据库中的非卧姿行人样例图像数据进行基于人体比例的行人样例图像扩增，获得行人检测训练数据库。通过增加指定卧姿行人样例图像数据和对非卧姿行人样例数据分别进行基于颜色替换和人体比例的扩增，提高数据库中行人样本的外观多样性；提出的对行人数据集进行卧姿行人样例图像的扩增，对驾驶环境下的行人检测具有克服技术偏见的重要意义。

摘要： 本发明公开了一种正样本获取方法、行人检测模型生成方法和行人检测方法，该正样本获取方法包括：对原始图像中预先标记的正样本原始框添加扰动，以得到正样本选取框，所述正样本原始框所围住的图像包含行人；提取所述正样本选取框所围住的图像以作为正样本。本发明的技术方案可有效提升原始图像中可获取的正样本的数量，以及为正样本添加背景，可有效提升训练出的行人检测模型的识别精准度。

摘要： 本发明提供一种建立行人检测模型的方法及行人检测方法，建立行人检测模型的方法构建了多任务基本决策树，所述多任务基本决策树的层数与训练样本的遮挡程度分类数量一致，每个节点包括一个基本决策树，这样，通过在每个输入节点输入特征值，可以获得一个多任务基本决策树的输出，然后可以得到每种输入下的分类误差值，分类误差值最小的则是最优的多任务基本决策树，通过使用多任务基本决策树，将训练样本的不同分类情况都进行了关联，因此不同遮挡程度的训练样本针对该多任务基本决策树进行训练，使得该模型具有更好的鉴别能力，使得存在部分遮挡或严重遮挡的待测行人可以更好的被检测出来，从而提高不同遮挡程度下行人检测的准确率。