行人與騎行人檢測是先進輔助駕駛系統(tǒng)中不可或缺的一部分。通過對行人及騎行人進行檢測,給汽車提供預判,可在很大程度上降低交通事故的發(fā)生率,減少人員傷亡程度,對人類的生命安全和社會都具有深遠影響�，F(xiàn)有的算法多將行人與騎行人分開處理,很少有進行行人與騎行人同時檢測的算法,在實際應用時會導致硬件資源的浪費和時間的浪費。因此,本文旨在提出一種行人與騎行人同時檢測算法。行人與騎行人檢測,是目標檢測任務的一個應用任務。盡管在某些領域內,YOLO等經(jīng)典的通用目標檢測算法可以快速準確地進行目標檢測,但在進行行人與騎行人檢測時,需要針對具體問題進行具體分析。為給系統(tǒng)提供清晰而廣闊的行車視野,用于行人與騎行人檢測的圖像通常具有高分辨率。在真實行車環(huán)境中,道路環(huán)境復雜多變,目標個體差異大、尺寸差距大,這給行人與騎行人檢測帶來了困難,傳統(tǒng)的通用檢測算法難以適應這些問題。針對以上問題,本文建立了一種行人與騎行人檢測框架,對行人及騎行人檢測過程中涉及的相關技術進行研究。該檢測框架能夠實現(xiàn)行人與騎行人同時檢測,在區(qū)分前景與背景的基礎上,區(qū)分這兩類目標。本文提出的行人與騎行人檢測框架包括三部分:感興趣區(qū)域提取算法、檢測算... 

【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

圖２－２?ＲｅｓＮｅｔｌ８中殘差塊結構圖［３］??

第二章行人與騎行人檢測基礎理論與技術??的這些特征尺寸各不相同，所以對這些特征圖進行ＲＯ丨池化操作，即可得到固??定長度的輸出，將這個固定長度的特征圖送入分類和回歸網(wǎng)絡，進行最終目標??的分類和回歸操作，得到目標在圖像中的精確位置。??Ｈ?ＲＰＮ?Ｈ候選區(qū)域卜這?—Ｉ?＞?＾?分類????????嘗一？?ｔ?＼??特征提取，＾?ｌＵ??圖?２－４?Ｆａｓｔｅｒ?Ｒ－ＣＮＮ?結構圖［７］??特征圖｜?』個＇描??３ｘ３Ｃｏｎｖ?｜?ｐｊ?！?〇?；??ｗ?！?°?；??ｌｘｌＣｏｎｖ?ｌｘｌ?Ｃｏｎｖ??■，［；」＇、?＼?：；??沒分數(shù)?｜狀偏移鑿??圖２－５?ＲＰＮ結構圖［７］??近年來，在ＦａｓｔｅｒＲ－ＣＮＮ的基礎上，許多研宂者提出了一些針對性的改善??意見。例如，ＨｙｐｅｒＮｅｔ【５９＾善了特征提取網(wǎng)絡，ＦＰＮ［６１啲提出使得ＲＰＮ網(wǎng)絡更??準確，Ｍａｓｋ?Ｒ－ＣＮＮ［６（＾的提出改善了?ＲＯＩ池化。??ｓｔａｇｅ?１?ｓｔａｇｅ２?ｓｔａｇｅ３?ｓｔａｇｅ４??＿＿＿＿＿＿＿??＿＿＿＿＿?？ｌ??４４４４４?￥??圖２－６?ＨＲＮｅｔ特征提取網(wǎng)絡結構圖丨５｜］??ＨＲＮｅｔ也是以ＦａｓｔｅｒＲ－ＣＮＮ為基礎，在其上做出了改進。在經(jīng)過卷積、池??化等一系列操作后，特征圖的分辨率會降低，ＦＰＮ將低分辨率的特征圖上采樣??與高分辨率的圖像進行融合，在多個尺度上進行檢測。ＨＲＮｅｔ與之不同，其在??提取特征的過程中始終保持高分辨率的特征圖，通過在高分辨率特征主網(wǎng)絡中??１５??

第二章行人與騎行人檢測基礎理論與技術??的這些特征尺寸各不相同，所以對這些特征圖進行ＲＯ丨池化操作，即可得到固??定長度的輸出，將這個固定長度的特征圖送入分類和回歸網(wǎng)絡，進行最終目標??的分類和回歸操作，得到目標在圖像中的精確位置。??Ｈ?ＲＰＮ?Ｈ候選區(qū)域卜這?—Ｉ?＞?＾?分類????????嘗一？?ｔ?＼??特征提取，＾?ｌＵ??圖?２－４?Ｆａｓｔｅｒ?Ｒ－ＣＮＮ?結構圖［７］??特征圖｜?』個＇描??３ｘ３Ｃｏｎｖ?｜?ｐｊ?！?〇?；??ｗ?！?°?；??ｌｘｌＣｏｎｖ?ｌｘｌ?Ｃｏｎｖ??■，［；」＇、?＼?：；??沒分數(shù)?｜狀偏移鑿??圖２－５?ＲＰＮ結構圖［７］??近年來，在ＦａｓｔｅｒＲ－ＣＮＮ的基礎上，許多研宂者提出了一些針對性的改善??意見。例如，ＨｙｐｅｒＮｅｔ【５９＾善了特征提取網(wǎng)絡，ＦＰＮ［６１啲提出使得ＲＰＮ網(wǎng)絡更??準確，Ｍａｓｋ?Ｒ－ＣＮＮ［６（＾的提出改善了?ＲＯＩ池化。??ｓｔａｇｅ?１?ｓｔａｇｅ２?ｓｔａｇｅ３?ｓｔａｇｅ４??＿＿＿＿＿＿＿??＿＿＿＿＿?？ｌ??４４４４４?￥??圖２－６?ＨＲＮｅｔ特征提取網(wǎng)絡結構圖丨５｜］??ＨＲＮｅｔ也是以ＦａｓｔｅｒＲ－ＣＮＮ為基礎，在其上做出了改進。在經(jīng)過卷積、池??化等一系列操作后，特征圖的分辨率會降低，ＦＰＮ將低分辨率的特征圖上采樣??與高分辨率的圖像進行融合，在多個尺度上進行檢測。ＨＲＮｅｔ與之不同，其在??提取特征的過程中始終保持高分辨率的特征圖，通過在高分辨率特征主網(wǎng)絡中??１５??

【參考文獻】：
期刊論文
[1]基于候選區(qū)域選擇及深度網(wǎng)絡模型的騎車人識別[J]. 李曉飛,許慶,熊輝,王建強,李克強.  清華大學學報(自然科學版). 2017(05)

博士論文
[1]先進駕駛員輔助駕駛系統(tǒng)關鍵技術研究[D]. 徐洋.重慶大學 2017
[2]基于深度學習的行人及騎車人車載圖像識別方法[D]. 李曉飛.清華大學 2016

碩士論文
[1]基于機器視覺的汽車先進駕駛輔助系統(tǒng)中行人檢測技術研究[D]. 王永宏.浙江大學 2019



本文編號：3115713