基于核密度与神经网络的室内行人检测研究

发布时间：2021-12-19 00:00

　　行人检测是智能辅助驾驶、智能监控、行人分析及智能机器人等领域的重要组成部分。从2005年起行人检测进入了一个快速发展阶段,但是也存在很多有待解决的问题,例如在某些室内特定的场所(商户、商场、仓库和外出旅游家庭)存在无人监管的情况,这种情况有着重大的安全隐患,这些隐患主要来自于人。如果人工去监管这些场所会耗费大量的人力和物力,且做不到时时监控,给犯罪分子带来可乘之机,给商家和个人造成损失。本文主要针对这一问题提出了一种室内行人检测方法,通过该方法可以在无人看管的情况下,有效地对这些场所进行自动监控。本文在实现了室内行人检测算法的同时,从行人检测的速度和虚警率两方面进行了改进,主要研究内容如下。首先,在行人的检测过程中,基于核密度的运动目标检测方法会产生像素点错误识别问题,本文提出应用帧间差分法对核密度方法进行改进,解决像素点错误识别的问题。并通过相关实验验证了此种方法的有效性。其次,运动检测算法只能对运动目标进行检测与跟踪,不能对运动目标进行识别。而Yolov3算法准确率很高,但也存在着局限性,即使用Yolov3方法进行行人检测时,无论图像帧中是否含有目标,都会对该图像帧进行检测,降低了...

【文章来源】： 哈尔滨理工大学黑龙江省

【文章页数】：62 页

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景
    1.2 国内外研究现状
        1.2.1 基于运动目标检测的背景差分法
        1.2.2 基于机器学习的行人检测算法
        1.2.3 神经网络行人检测算法
    1.3 本文研究的主要内容
第2章 行人检测算法的基本理论
    2.1 背景差分算法
        2.1.1 高斯模型算法
        2.1.2 ViBe背景检测模型
        2.1.3 核密度算法
    2.2 One-stage神经网络的行人检测算法
        2.2.1 SSD算法
        2.2.2 Yolov2算法
        2.2.3 Retinanet算法
        2.2.4 Yolov3
    2.3 本章小结
第3章 基于核密度及帧间差分法结合的检测算法
    3.1 运动目标检测算法的对比
    3.2 核密度检测算法与帧间差分法的结合
        3.2.1 核密度算法中的背景错误识别问题
        3.2.2 基于核密度算法与帧间差分法的结合流程
        3.2.3 核密度算法与帧间差分法结合的具体步骤
    3.3 实验结果与分析
    3.4 本章小结
第4章 基于核密度与Yolov3融合的行人检测算法
    4.1 神经网络模型选择及室内外检测对比
    4.2 Yolov3的结合算法
        4.2.1 Yolov3的基本思想
        4.2.2 核密度算法与Yolov3算法的结合算法
    4.3 实验结果
        4.3.1 实验所用数据集
        4.3.2 实验数据分析
    4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的学术论文及获得成果
致谢


【参考文献】：
期刊论文
[1]HOG结合傅立叶局部二值模式特征的行人检测 [J]. 王爱丽,陈雨时,赵妍.  黑龙江大学自然科学学报. 2019(04)
[2]一种改进RetinaNet的室内人员检测算法 [J]. 王璐璐,张为,孙琦龙.  西安电子科技大学学报. 2019(05)
[3]改进的SSD红外图像行人检测算法 [J]. 刘学,李范鸣,刘士建.  电光与控制. 2020(01)
[4]基于改进深度卷积网络的铁路入侵行人分类算法 [J]. 郭保青,王宁.  光学精密工程. 2018(12)
[5]基于差分筛选的YOLOv2监控视频目标检测方法 [J]. 张旭,李建胜,郝向阳,程相博,李朋月.  测绘科学技术学报. 2018(06)
[6]基于卷积神经网络的车辆和行人检测算法 [J]. 潘婷,周武杰,顾鹏笠.  浙江科技学院学报. 2018(05)
[7]基于快速边缘检测和RealAdaboost的行人检测 [J]. 黄鹏,于凤芹,陈莹.  传感器与微系统. 2018(04)
[8]基于YOLOv2的行人检测方法研究 [J]. 刘建国,罗杰,王帅帅,关挺.  数字制造科学. 2018(01)
[9]卷积神经网络的多尺度行人检测 [J]. 胡葵,章东平,杨力.  中国计量大学学报. 2017(04)
[10]人机交互研究综述 [J]. 赵永惠.  信息与电脑(理论版). 2017(23)

硕士论文
[1]智能视频监控中的行人检测系统设计与实现[D]. 王强.浙江理工大学. 2019
[2]视频中行人检测与跟踪方法研究[D]. 田娟娟.西安理工大学. 2018
[3]无人驾驶中的行人检测与重识别算法研究[D]. 孙明军.武汉理工大学. 2018
[4]基于改进ViBe和机器学习的行人头肩检测方法[D]. 周鑫.华东交通大学. 2017
[5]室内监控视频中的行人检测与跟踪研究[D]. 马思研.北京理工大学. 2016
[6]面向服务机器人的行人检测与跟踪[D]. 李鹏飞.中国科学技术大学. 2016



本文编号：3543398