基于卷积神经网络的行人检测与多目标跟踪算法研究

发布时间：2022-11-03 22:36

　　随着深度学习技术的逐渐成熟,该技术已被广泛地应用于自动驾驶、智能监控和人机交互等领域。本文就行人检测与跟踪为研究对象,研究该任务中最为重要的两个部分:行人检测和多目标跟踪。依托深度学习技术,进行基于卷积神经网络的行人检测模型与多目标跟踪算法研究。针对行人检测问题,本文首先通过对比分析选取检测精度较高、实时性较好的YOLOv3网络为行人检测模型。利用行人检测数据集进行检测模型的研究,本文收集整理行人图片进行标注。针对行人检测精度很低的问题,使用了三种优化方法,分别是行人样本分类、K-means聚类获取最优先验候选框及难样本再训练,成功使行人检测精度提升至90.89%。其次,针对数据集中远距离行人检测精度较低的问题,本文提出了改进的YOLOv3模型,该模型改进了YOLOv3模型的主干网络结构并融合网络中部分残差单元。以远距离数据集作为验证,与原YOLOv3行人检测结果对比,改进的YOLOv3模型行人检测精度m AP（mean Average Precision）提升了4.53%,行人检测准确度Io U（Intersection-over-Union）提升7.02%。通过预处理经典数据集中的... 

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

YOLOv3 行人检测结果

数据集样本分类实验结果

不同数量先验候选框的聚类结果

【参考文献】：
期刊论文
[1]结合深度残差学习和感知损失的图像去噪[J]. 吴从中,陈曦,季栋,詹曙.  中国图象图形学报. 2018(10)
[2]激活函数在卷积神经网络中的对比研究[J]. 田娟,李英祥,李彤岩.  计算机系统应用. 2018(07)
[3]基于相关滤波器的视觉目标跟踪综述[J]. 魏全禄,老松杨,白亮.  计算机科学. 2016(11)
[4]基于运动区域Viola-Jones算法的视频人脸检测[J]. 彭明莎,刘翠响.  电子设计工程. 2015(21)
[5]网络优化的最大利润问题及其增广路算法[J]. 马毅,严余松,户佐安.  计算机工程与应用. 2015(01)
[6]行人检测技术综述[J]. 苏松志,李绍滋,陈淑媛,蔡国榕,吴云东.  电子学报. 2012(04)
[7]分割位置提示的可变形部件模型快速目标检测[J]. 杨扬,李善平.  自动化学报. 2012(04)
[8]匈牙利算法在多目标分配中的应用[J]. 柳毅,佟明安.  火力与指挥控制. 2002(04)



本文编号：3700754