行人检测及人体关键点估计算法研究

发布时间：2024-03-30 05:32

　　随着深度学习在计算机视觉中的飞速发展和人们日益提升的安全意识,视频监控系统在人们的生活中随处可见并且更加智能化。视频摘要是一种从海量的原始监控视频中获取相关信息的有效手段,而行人检测及人体关键点估计技术是实现视频摘要的基础。行人检测及人体关键点估计是指标定出图像中的人体或者部位的位置信息,是计算机视觉领域研究的难点之一。本文对传统的行人检测及人体关键点估计方法进行调研,现有的行人检测算法对于有遮挡或者光照不好图像的处理不够理想,尤其是对于没有校正的检测结果,其漏检率较高;传统的人体关键点估计算法往往忽略了人体不同部位的尺度信息随着人体姿态和拍摄角度的变化而差异巨大的问题。因此本文做了以下工作。在有遮挡或者光照不好图像中,监控视频中的行人检测结果往往有很大的漏检率,因此本文设计并优化了基于模型融合算法的行人检测方法。本文研究了基于HOG+SVM的传统行人检测方法并对检测过程中的候选框的生成策略进行了优化;然后研究了基于GoogLeNet网络的深度学习行人检测方法,采用迁移学习的微调策略,生成自己的行人检测模型;最后根据HOG+SVM模型和GoogLeNet网络模型,通过模型融合算法,本文...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究现状
        1.2.1 行人检测的国内外研究现状
        1.2.2 人体关键点估计的国内外研究现状
    1.3 论文主要内容
    1.4 论文组织结构
第2章 行人检测和人体关键点估计的相关技术
    2.1 图像的预处理技术
    2.2 卷积神经网络
    2.3 反向传播算法
    2.4 模型评估指标
    2.5 本章小结
第3章 行人检测及人体关键点估计系统总计设计
    3.1 系统总体架构
    3.2 系统设计流程
    3.3 行人检测模块
    3.4 行人关键点估计模块
    3.5 本章小结
第4章 基于模型融合的行人检测方法
    4.1 行人检测算法的研究
        4.1.1 基于人工特征的行人检测方法
        4.1.2 基于深度学习的行人检测算法
    4.2 模型融合的行人检测算法
        4.2.1 模型融合算法的整体框架
        4.2.2 改进的NMS算法
        4.2.3 模型融合算法
    4.3 数据预处理
        4.3.1 数据集
        4.3.2 数据标注
    4.4 算法验证
        4.4.1 实验环境和评估指标
        4.4.2 实验结果与分析
    4.5 本章小结
第5章 基于FCHN网络的人体关键点估计方法
    5.1 人体关键点估计方法的研究
        5.1.1 基于FPN网络的优化算法
        5.1.2 基于Hourglass Network的优化算法
    5.2 FCHN网络的人体关键点估计算法
        5.2.1 FCHN网络结构的设计
        5.2.2 损失函数
    5.3 数据预处理
        5.3.1 数据集
        5.3.2 数据标注
    5.4 算法验证
        5.4.1 实验环境与评估指标
        5.4.2 实验结果与分析
    5.5 本章小结
第6章 行人检测及人体关键点估计系统实现
    6.1 系统详细设计
    6.2 系统实现
        6.2.1 硬件系统实现
        6.2.2 软件系统实现
    6.3 系统实验与效果分析
        6.3.1 行人检测的性能分析
        6.3.2 人体关键点估计的性能分析
    6.4 本章小结
结论
参考文献
攻读硕士学位期间取得的研究成果
致谢



本文编号：3941887