面向车辆辅助驾驶的行人检测算法设计

发布时间：2021-01-16 09:51

　　行人检测是计算机视觉中的热门研究话题,近年来,随着卷积神经网络（Convolution Neural Networks,CNN）的兴起,各种基于卷积神经网络的检测算法层出不穷。现今道路上车辆越来越多,随之而来的行人安全问题也越来越突出,面向车辆辅助驾驶的高性能行人检测算法能有效提醒驾驶员前方及周边是否有行人,对于降低车祸发生概率具有重要的实际意义。将设计的基于卷积神经网络的行人检测算法在硬件系统上进行验证,能为面向车辆辅助驾驶的低成本行人检测系统解决方案开拓思路。本文重点分析基于卷积神经网络的目标检测算法原理,去除其冗余的分类结构,得到专用于行人检测的神经网络,由于该网络参数较多,总体计算复杂度较高,须对网络进行精简以适于在车辆辅助驾驶场景下应用。本文分两方面进行精简:一方面.,仿照二值神经网络（Binaried Neural Network,BNN）,二值化该网络的卷积核参数及卷积层输入,能有效减少网络所占内存大小,加快卷积计算;另一方面,对该网络内部结构进行适当的裁剪和替换,能有效减少网络参数,降低整体计算量。分别对两个精简网络进行训练并测试,选择其中较好的网络在硬件系统中实现,并... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

Haar特征模板Haar特征也能表示行人特征，Viola和Jones[6]

、dropout 层等，也可自定义功能层。LetNet 是一个典型的卷积神经网络，其结构如包含 2 层卷积层，2 层下采样层，2 层全连接层，1 层输入层，输入图像大小为 32×以欧式径向基函数单元组成的输出层。卷积神经网络可以通过学习大规模样本的底积层数的增加，逐步学习到抽象的高层特征，最后得到样本集特征表示。对于计算，底层特征一般来源于摄像头拍摄的原始图像。

东南大学工程硕士学位论文xmax - xminwwidth ymax - yminh =height xmin+(xmin+ xmax) / 2x =width ymin+(ymin+ ymax) / 2y =height ymin、width、height均为标注文件中的变量，需

【参考文献】：
期刊论文
[1]深度学习认知计算综述[J]. 陈伟宏,安吉尧,李仁发,李万里.  自动化学报. 2017(11)
[2]醉酒驾驶行为入罪论[J]. 贾凌,毕起美.  法学杂志. 2010(09)

硕士论文
[1]基于区域卷积神经网络的行人检测问题研究[D]. 李海龙.杭州电子科技大学 2017
[2]基于FPGA的Adaboost人脸检测算法设计与验证[D]. 庞伟.东南大学 2017
[3]基于ZYNQ的行人检测系统软硬件协同实现[D]. 梁新宇.大连海事大学 2016
[4]基于深度学习的行人检测[D]. 王斌.北京交通大学 2015
[5]视频监控中人体跟踪的研究与实现[D]. 范玉宪.浙江工业大学 2015
[6]基于卷积神经网络的行人检测与识别研究[D]. 徐忠成.华中师范大学 2015
[7]基于HOG特征和模板匹配的行人检测与跟踪研究[D]. 周科嘉.吉林大学 2014
[8]先进驾驶辅助系统之行人检测系统[D]. 韩永刚.西安电子科技大学 2014
[9]醉酒驾驶行为的刑法考量[D]. 张超.华东政法大学 2013



本文编号：2980610