基于机器视觉的室内物体检测研究

发布时间：2022-01-06 06:52

　　室内环境下的物体感知是室内移动机器人必须具备的能力之一,其中物体检测是机器人在人机交互、导航和路径规划以及运动控制方面等方面起到重要作用。本文在现有的算法的基础上,改进了一种新的物体检测算法,该算法用神经网络来提取候选区域,并用分类多特征融合+PCA+SVM算法来进行分类。本文针对室内物体检测进行了研究,其主要研究工作有:（1）对VGG16网络模型的全连接层进行了修改,用修改后的网络结构训练网络模型,并用训练好的模型提取fc7层的特征作为卷积神经网络（CNN）特征。由于VGG16网络在ImageNet上训练出的model已经公布,因此本文采用这个公开的model中的卷积层参数对网络进行初始化,即进行增量学习。（2）改进了一种基于多特征融合的SVM分类算法,该算法将HOG特征、LBP特征和CNN特征进行融合,将得到的新特征用PCA进行降维处理,然后用SVM分类器训练出分类模型。本文将改进的这种“CNN特征+HOG特征+LBP特征+SVM分类器”的分类算法与RPN结合时,在室内物体检测上取得了良好的检测效果,检测性能优于普通的CNN模型+RPN算法。（3）研究了在进行多特征融合时的参数改变... 

【文章来源】：武汉工程大学湖北省

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

论文结构关系图

图 2-1 大脑皮层感知信息图[54]由 Hinton 在 2006 年《Science》上发表的一是用神经网络来模拟人类大脑进行学习，神类似。在物体检测和物体分类上得到了广泛

+1n+1图 2-3 全连接与局部连接示意图络中，上一层节点与所有下一层节点连接在一起的全局特征，局部连接可以减少大量的参数。也是卷积神经网络中一个非常重要的方法。如图

【参考文献】：
期刊论文
[1]基于前向后向算子分裂的稀疏性正则化图像超分辨率算法[J]. 孙玉宝,费选,韦志辉,肖亮.  自动化学报. 2010(09)
[2]基于词典学习和稀疏表示的超分辨率方法[J]. 浦剑,张军平.  模式识别与人工智能. 2010(03)
[3]基于卷积神经网络LeNet-5的车牌字符识别研究[J]. 赵志宏,杨绍普,马增强.  系统仿真学报. 2010(03)

硕士论文
[1]基于级联深度神经网络的人脸验证算法研究与应用[D]. 吴梦露.武汉工程大学 2017



本文编号：3571964