基于深度学习的行人检测和视频浓缩研究
发布时间：2020-12-18 11:25
近些年,随着深度学习的快速发展,行人检测和视频浓缩已经成为视频监控分析领域研究的焦点。行人检测是计算机视觉中的一项基本研究,它的主要任务是分析视频图像中是否含有目标行人并对行人进行准确定位。视频浓缩技术是将原视频中的主要内容浓缩成方便人们浏览的浓缩视频,在公共安全领域,为维护社会治安发挥了不可替代的作用。本文的主要研究内容如下:目前实时检测行人算法在遇到人群相互遮挡情况时检测性能很不理想,为解决此问题,将排斥损失函数应用于Faster R-CNN进行行人检测。该排斥损失函数由两个因子组成:其中一个为行人间的相互吸引因子,另一个为与周围其他行人的排斥因子。排斥因子阻止行人候选框转移到周围行人使得在人群中的行人检测鲁棒性更强。实验结果表明,通过排斥损失训练的行人检测算法在人群行人检测当中有着明显改善,得到了较高的检测准确率。针对现实复杂环境中行人检测出现的准确率低和漏检率高等问题,将图像HOG特征与深度学习特征相结合应用于行人检测。首先通过统计图像中像素点的梯度信息以及使用ZF-Net特征生成网络得到行人边缘描述算子HOG特征和行人深度语义特征;然后,利用候选区域生成网络对上述两种特征进行...
【文章来源】：山西大学山西省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
LBP算子描述图
部二值模式具有灰度、尺度变化不变性等优点[32]，主要在行人再识别领域应用。图 2.1 所示，LBP 算法是比较中心与相邻像素点的灰度值并进行二值化列数值，如果该中心像素点大于相邻像素点的灰度值，则将对应相邻 0，否则设为 1。图 2.1 LBP 算子描述图于 LBP 算子无法扩展，后来人们对该算子进行改进，使用圆形区域代域，这样就可以进行任意扩展，如图 2.2 所示。
图 2.3 各个块中的颜色特征向量.2 纹理特征图像的纹理特性是一个非常有用的图像属性[38]，矩不变量[39]首先由 Hu.M于 1962 年，Hu 推导出了 6 个绝对正交不变量和 1 个斜正交不变量，它们于位置、大小和方向，且独立于平行投影。正因为 7 个 Hu 距具有平移不变不变性和尺度不变性等特点，它们常常被用于形容图像的纹理特性[40]。连续的图像函数 f ( x,y)，它的 p q阶几何矩为： m xyf( x,y)dxdy(p,q 0,1,2,...)pqpq(若图像函数 f ( x,y)是一个分段的连续有界函数，那么所有的序列的矩都有列 {}pqm 是由 f ( x,y)绝对推算出的，相应地， f ( x,y)也由矩序列 {}pqm 决定可以注意到，当 f ( x,y)通过平移、伸缩变换或旋转时，式(2.18)中的矩可能的。可以利用中心矩来实现不变特征，即(p+q)阶几何矩定义为：
【参考文献】：
期刊论文
[1]基于交互机制卷积双流融合神经网络的视频浓缩[J]. 赵春飞,张丽红. 测试技术学报. 2019(03)
[2]基于深度卷积神经网络的小尺度行人检测[J]. 郭爱心,殷保群,李运. 信息技术与网络安全. 2018(07)
[3]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[4]基于颜色特征与SIFT特征自适应融合的粒子滤波跟踪算法[J]. 谢天旭,何炳蔚. 计算机应用研究. 2013(11)
[5]基于改进梯度方向直方图的多尺度的行人检测[J]. 李林,张丽红. 计算机应用. 2012(S2)
[6]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正. 计算机应用研究. 2012(08)
[7]基于颜色和边缘特征的均值迁移目标跟踪算法[J]. 郑玉凤,马秀荣,赵晓琳,王新闯,郭亲弟. 光电子.激光. 2011(08)
[8]Hu不变矩的构造与推广[J]. 张伟,何金国. 计算机应用. 2010(09)
[9]自适应混合高斯背景模型的运动目标检测方法[J]. 黄鑫娟,周洁敏,刘伯扬. 计算机应用. 2010(01)
[10]聚类算法研究[J]. 孙吉贵,刘杰,赵连宇. 软件学报. 2008(01)
硕士论文
[1]基于聚类的推荐算法研究与应用[D]. 李俊.南京邮电大学 2018
[2]基于双目图像的行人检测定位系统研究与实现[D]. 杨荣坚.西安电子科技大学 2017
[3]SSD网络可视化及删减方法[D]. 韩笑.西安电子科技大学 2017
[4]基于改进卷积神经网络算法的研究与应用[D]. 王飞飞.南京邮电大学 2016
[5]基于深度学习的行人检测[D]. 王斌.北京交通大学 2015
[6]复杂场景下目标消影算法的研究与应用[D]. 王俊.安徽大学 2015
[7]基于聚类算法的视频浓缩技术研究[D]. 周家亮.华中科技大学 2015
[8]基于运动目标的视频浓缩技术研究[D]. 叶家林.南京邮电大学 2015
本文编号：2923923
【文章来源】：山西大学山西省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
LBP算子描述图
部二值模式具有灰度、尺度变化不变性等优点[32]，主要在行人再识别领域应用。图 2.1 所示，LBP 算法是比较中心与相邻像素点的灰度值并进行二值化列数值，如果该中心像素点大于相邻像素点的灰度值，则将对应相邻 0，否则设为 1。图 2.1 LBP 算子描述图于 LBP 算子无法扩展，后来人们对该算子进行改进，使用圆形区域代域，这样就可以进行任意扩展，如图 2.2 所示。
图 2.3 各个块中的颜色特征向量.2 纹理特征图像的纹理特性是一个非常有用的图像属性[38]，矩不变量[39]首先由 Hu.M于 1962 年，Hu 推导出了 6 个绝对正交不变量和 1 个斜正交不变量，它们于位置、大小和方向，且独立于平行投影。正因为 7 个 Hu 距具有平移不变不变性和尺度不变性等特点，它们常常被用于形容图像的纹理特性[40]。连续的图像函数 f ( x,y)，它的 p q阶几何矩为： m xyf( x,y)dxdy(p,q 0,1,2,...)pqpq(若图像函数 f ( x,y)是一个分段的连续有界函数，那么所有的序列的矩都有列 {}pqm 是由 f ( x,y)绝对推算出的，相应地， f ( x,y)也由矩序列 {}pqm 决定可以注意到，当 f ( x,y)通过平移、伸缩变换或旋转时，式(2.18)中的矩可能的。可以利用中心矩来实现不变特征，即(p+q)阶几何矩定义为：
【参考文献】：
期刊论文
[1]基于交互机制卷积双流融合神经网络的视频浓缩[J]. 赵春飞,张丽红. 测试技术学报. 2019(03)
[2]基于深度卷积神经网络的小尺度行人检测[J]. 郭爱心,殷保群,李运. 信息技术与网络安全. 2018(07)
[3]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[4]基于颜色特征与SIFT特征自适应融合的粒子滤波跟踪算法[J]. 谢天旭,何炳蔚. 计算机应用研究. 2013(11)
[5]基于改进梯度方向直方图的多尺度的行人检测[J]. 李林,张丽红. 计算机应用. 2012(S2)
[6]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正. 计算机应用研究. 2012(08)
[7]基于颜色和边缘特征的均值迁移目标跟踪算法[J]. 郑玉凤,马秀荣,赵晓琳,王新闯,郭亲弟. 光电子.激光. 2011(08)
[8]Hu不变矩的构造与推广[J]. 张伟,何金国. 计算机应用. 2010(09)
[9]自适应混合高斯背景模型的运动目标检测方法[J]. 黄鑫娟,周洁敏,刘伯扬. 计算机应用. 2010(01)
[10]聚类算法研究[J]. 孙吉贵,刘杰,赵连宇. 软件学报. 2008(01)
硕士论文
[1]基于聚类的推荐算法研究与应用[D]. 李俊.南京邮电大学 2018
[2]基于双目图像的行人检测定位系统研究与实现[D]. 杨荣坚.西安电子科技大学 2017
[3]SSD网络可视化及删减方法[D]. 韩笑.西安电子科技大学 2017
[4]基于改进卷积神经网络算法的研究与应用[D]. 王飞飞.南京邮电大学 2016
[5]基于深度学习的行人检测[D]. 王斌.北京交通大学 2015
[6]复杂场景下目标消影算法的研究与应用[D]. 王俊.安徽大学 2015
[7]基于聚类算法的视频浓缩技术研究[D]. 周家亮.华中科技大学 2015
[8]基于运动目标的视频浓缩技术研究[D]. 叶家林.南京邮电大学 2015
本文编号：2923923
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2923923.html
