基于深度学习的行人检测系统的设计与实现

发布时间：2020-12-12 19:03

　　随着现今科学技术与人工智能领域的不断进步,人们的生活方式正在不断改变,大量繁琐复杂的工作现在都可以通过计算机来完成,尤其随着公共安全监控、智能机器人,机动车辅助驾驶等领域的不断发展,越来越需要计算机以模拟人体视觉的方式代替人们解决实际的需求和问题,因此包括行人检测在内的计算机视觉领域开始成为现今人工智能技术的重要分支;而公共安全一直就是国家维稳与安防工作的重心,在安全监控方面,由于摄像头与监控领域的广泛性,单凭人工面对数量庞大的监控显示屏早已无法满足实际工作的需要。因此将行人检测技术代替人工应用到公共安全领域中,对一些敏感区域如军事管理区,科研重地,铁路沿线等进行实时监管,无疑将大大提高工作效率。当发现异常有行人闯入时对其进行实时标记预警,提醒管理员真正做到“早发现,早报告,早制止”;本论文的工作内容主要来自于作者实习单位的实际项目,开发与研究重点为在监控场景中对出现的行人进行实时检测。作者独立完成了以下内容:行人检测系统的设计与实现,作者以计算机视觉领域的相关知识为基础,深入研究探讨了行人检测领域的相关技术和方法,通过模式识别和深度学习中的相关算法,实现了从自然场景中提取行人目标和数... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

图２－２行人图像??Ｆｉｇｕｒｅ２－２?Ｔｈｅ?ｐｅｄｅｓｔｒｉａｎ?ｉｍａｇｅｓ??

图２－１传统行人检测的三个阶段??Ｆｉｇｕｒｅ?２－１?Ｔｈｒｅｅ?ｓｔａｇｅｓ?ｏｆ?ｔｒａｄｉｔｉｏｎａｌ?ｐｅｄｅｓｔｒｉａｎ?ｄｅｔｅｃｔｉｏｎ．??如图２－１所示，传统的行人检测方法一般“三步走首先在被检测的图像上划??分出一些候选区域，其次，对这些候选的区域进行提取特征。最后，使用己经训练??好的分类器模型进行分类［５］。??通过研宄发现，行人目标虽然也具有运动特征，但是它与传统的运动目标还有??很多差异，主要包括以下两类：??（１）行人目标的特殊性，主要体现在行人经常会在没有任何预测的情况下改变??运动的速度和方向，而且不同于目标检测，行人是柔性物体，没有固定的形态特点，??而且摄像头所处的位置以及角度也会影响最终检测的结果［６］。??图２－２行人图像??Ｆｉｇｕｒｅ２－２?Ｔｈｅ?ｐｅｄｅｓｔｒｉａｎ?ｉｍａｇｅｓ??８??

??如图２－２所示，街道上的行人体态各异，有胖有瘦有高有矮，各自的打扮也非??常的不一样，有穿长袖也有穿短袖的，有穿外衣也有穿单衣的，戴帽子亦或是不戴??帽子的，彼此之间的发型也有着很大的不同，有的板头寸头，有的长发及腰，除了??外表形态各异以外，最主要的一点在于行人之间的姿态也有很大不同，行人不像汽??车飞机这样形状固定的刚体，它在运动的过程中都在始终保持变化状态，比如胳膊??和腿，有的人走路，有的人笔直站立，有的人玩手机，有的人打电话，有的人拎东??西，这样一种特殊性无疑给行人检测带来了很多麻烦和困难，当然，一定程度上也??为识别个体差异性提供了有利的依据［７］。??（２）行人目标的复杂性，主要体现在行人目标所处的环境十分的复杂，因此将??行人目标从和其相似的背景中提取出来有一定的难度［８］。??图２－３街道行人背景图片??Ｆｉｇｕｒｅ?２－３?Ｔｈｅ?ｂａｃｋｇｒｏｕｎｄ?ｐｉｃｔｕｒｅ?ｏｆ?ｐｅｄｅｓｔｒｉａｎ?ｏｎ?ｔｈｅ?ｓｔｒｅｅｔ??如图２－３所示


本文编号：2913112