基于深度学习的行人检测算法研究

发布时间：2020-11-18 12:57

　　 由于计算机视觉的不断发展与进步,行人检测也被赋予了广泛的应用。目前行人检测主要涉及的领域有客流量监控,智能辅助驾驶,智能机器人等。随着研究者们的进一步深入研究,行人检测取得了很大的进展,但是在实际场景的行人检测过程中存在许多的影响因素,比如采集数据的摄像头的特殊性(鱼眼摄像头、全景摄像头)、灯光的影响(自然光照与人工灯光)、物体与行人的遮挡、行人的多尺度等,给行人识别带来了严峻的挑战。本文主要围绕鱼眼图像的行人检测与行人的多尺度问题展开了深入的研究,主要工作与创新点如下:(1)在智能视频监控领域,行人检测已经成为一个具有研究意义的课题。鱼眼镜头是一种有效的视频监控工具,它的显著特点是视场角范围大。但是由于鱼眼镜头特殊的成像原理,导致鱼眼图像的边缘存在严重的失真,所以对鱼眼图像的行人检测技术提出了更高的要求和挑战。针对鱼眼图像边缘畸变的问题,本文提出了一种有效的旋转切割方法处理训练与测试数据,该方法根据特定的切割点与旋转角度将鱼眼图像分为边缘图像与中心图像。行人在鱼眼图像中心部分大多是基于头肩成像,边缘部分大多分布的是行人的姿态与轮廓。分别采用传统的行人检测算法HOG+SVM与深度学习的目标检测算法(SSD、YOLOv3以及Faster R-CNN)验证切割方法的可行性与有效性,实验结果表明了本文提出的旋转切割方法有效地改善了基于鱼眼图像的行人检测效果。(2)行人检测技术如今已经被广泛地应用在实际的场景中,但是不管是对普通图像还是鱼眼图像,往往都会因为摄像头的焦距、行人与摄像头之间的距离以及行人的身高体型等因素导致行人在同一照片或者视频中出现不同的尺度。针对行人的多尺度问题,本文提出了一种基于改进YOLOv3的多尺度行人检测算法,该算法通过使用K-Means聚类算法有针对性地修改YOLOv3中原始的anchor box的尺寸来匹配多尺度的行人,并在不同尺度的特征图中使用合适的anchor box进行行人检测。为了验证该算法的可行性与有效性,本文在INRIA数据集和USC数据集上进行实验。实验结果表明了改进后的YOLOv3算法在检测性能上明显优于原始的YOLOv3,在数据集INRIA和USC上,平均精确率比原始的YOLOv3算法分别提升了7.14%、6.82%。
【学位单位】：湖南大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TP18
【部分图文】：

智能机器人（2）车辆辅助驾驶

车辆辅助驾驶（）智能客流监控

旅游景点客流监控
【相似文献】

相关期刊论文 前10条

1 欧阳普仁,杨叔子;一种改进的Marple算法[J];南京理工大学学报(自然科学版);1988年01期

2 黄小蓓;隆永红;;分布式数据库管理系统中的並发控制——算法及其性能分析[J];计算技术与自动化;1988年02期

3 冯成进;;0—1规划新算法的改进[J];曲阜师范大学学报(自然科学版);1988年02期

4 曾秀;魏振华;;猴群算法及其改进综述[J];电脑知识与技术;2017年32期

5 许灿英;;算法合谋反竞争问题初探[J];合肥工业大学学报(社会科学版);2019年02期

6 段艳明;肖辉辉;林芳;;新授粉方式的花授粉算法[J];计算机工程与应用;2018年23期

7 肖海军;王芬艳;卢常景;曹颖;;一种有效的多峰优化鸟群算法[J];中南民族大学学报(自然科学版);2018年04期

8 覃远年;梁仲华;;蚁群算法研究与应用的新进展[J];计算机工程与科学;2019年01期

9 肖辉辉;段艳明;林芳;;新搜索策略的花授粉算法[J];电子测量与仪器学报;2019年07期

10 梁昔明;高超;龙文;;基于速度越界处理与高斯扰动的改进蝙蝠算法[J];数学的实践与认识;2019年19期

相关博士学位论文 前10条

1 周凌云;几种典型群智能算法及其更新机制研究[D];武汉大学;2018年

2 张代雨;多学科优化算法及其在水下航行器中的应用[D];西北工业大学;2017年

3 钟林峰;复杂网络中关键节点的挖掘算法研究[D];电子科技大学;2018年

4 邱实;多光谱卫星遥感影像云及云阴影精准检测算法研究[D];电子科技大学;2018年

5 孙宁;人工免疫优化算法及其应用研究[D];哈尔滨工业大学;2006年

6 陆楠;关联规则的挖掘及其算法的研究[D];吉林大学;2007年

7 胡铟;基于单目视觉的运动目标检测与跟踪算法研究[D];南京理工大学;2008年

8 王珏;生物地理学优化算法的研究及应用[D];哈尔滨工程大学;2013年

9 黄松;面向多应用场景的粒子群优化算法研究[D];江南大学;2017年

10 安琦;信号侦收中的识别与分类理论与算法研究[D];电子科技大学;2017年

相关硕士学位论文 前10条

1 王维;基于改进A~*算法的移动机器人路径规划的研究[D];西北师范大学;2019年

2 程磊生;人工蜂群算法的改进及其在神经网络中的应用[D];武汉大学;2017年

3 龙军;面向大数据并行极限学习机算法的优化[D];湖南大学;2018年

4 周久芳;基于免疫多种群的萤火虫算法及其应用[D];湖南大学;2019年

5 孔真真;基于深度学习的行人检测算法研究[D];湖南大学;2019年

6 唐嘉诚;改进人工蜂群算法在柔性作业车间调度问题上的应用[D];上海交通大学;2018年

7 王柯力;混合蚁群算法的改进及其在车辆路径调度中的应用研究[D];重庆邮电大学;2018年

8 高佳丽;基于交通视频的目标检测与跟踪算法研究[D];长安大学;2019年

9 程小洪;基于改进果蝇优化算法的汽车饰件焊接路径规划[D];华南理工大学;2019年

10 陈晨;面向林业小班的坡度、坡向及坡位提取算法研究[D];浙江农林大学;2019年

本文编号：2888743