基于卷积神经网络的无人机场景下行人检测

发布时间：2021-07-29 16:53

　　作为计算机视觉领域中的一个重要研究课题,行人检测一直以来都备受关注。随着相关理论和算法的发展,行人检测技术也从早期图像处理阶段、特征模型分类阶段逐步发展进入深度学习阶段。与传统地面监控相比,以低空无人机为基础的无人机视角行人检测能够提供“上帝视角”,为深入理解和分析行人的社会行为奠定基础。由于无人机拍摄视角及相机运动的任意性,无人机场景下的行人检测具有更大的挑战,如尺度变化、长宽比变化、相机抖动等。同时,由于无人机机载平台的算力有限,对检测算法的复杂度也提出了更大的挑战。基于上述背景,本文尝试从以下两方面研究无人机场景下的行人检测问题。首先,本文分析对比了基于深度目标检测框架的行人检测技术,常见检测框架进行分析论证,搭建了基于SSD的行人检测系统。为了更好的适应无人机场景行人的特性,本文在学校、公园、游乐场及广场等多个公共场合拍摄数据集,并手工真值标注。随后,本文提出分块策略在训练集上对SSD检测算法进行训练,并利用测试集评估算法精度。实验结果表明,利用无人机数据和分块策略取得很好的检测效果。其次,本文尝试将设计的行人检测算法移植到NVIDIA Jetson TX2嵌入式平台上。考虑到... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 计算机视觉
    1.2 无人机场景下行人检测
    1.3 嵌入式平台
    1.4 国内外研究现状
    1.5 论文结构安排
2 基于卷积神经网络的目标检测算法
    2.1 卷积神经网络
        2.1.1 卷积神经网络基本组成
    2.2 目标检测算法
        2.2.1 Faster R-CNN检测算法
        2.2.2 YOLO算法
        2.2.3 SSD算法
    2.3 本章小结
3 无人机场景行人检测数据库与基于SSD算法实验研究
    3.1 无人机行人数据库建立
        3.1.1 无人机行人数据集的统计信息
        3.1.2 数据库标注标准
    3.2 基于SSD的无人机行人检测算法研究
        3.2.1 基于分块的网络训练策略
        3.2.2 网络环境配置与参数设置
    3.3 实验结果分析
        3.3.1 评价指标
        3.3.2 结果对比
    3.4 本章小结
4 嵌入式平台算法的设计与实现
    4.1 NVIDIA Jetson TX2简介
        4.1.1 硬件平台简介
        4.1.2 软件平台简介
    4.2 行人检测算法在TX2上的实现
        4.2.1 系统搭建
        4.2.2 针对视频流的行人检测算法
    4.3 实验结果分析
    4.4 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢


【参考文献】：
期刊论文
[1]行人交通的视频检测方法综述[J]. 邵春福,李娟,赵熠,董春娇.  交通运输系统工程与信息. 2008(04)

硕士论文
[1]面向服务机器人的行人检测与跟踪[D]. 李鹏飞.中国科学技术大学 2016
[2]智能视频监控中的行人检测与跟踪方法研究[D]. 邹依峰.中国科学技术大学 2011



本文编号：3309699