隨著互聯(lián)網(wǎng)信息時(shí)代的到來,以滿足消費(fèi)者需求和提升效率為核心的智慧門店逐漸興起。在線下場(chǎng)景,如何充分利用視頻圖像信息來分析顧客興趣點(diǎn),挖掘潛在價(jià)值,指導(dǎo)商品企劃,成為商家越來越關(guān)注的問題。目前,計(jì)算機(jī)視覺技術(shù)飛速發(fā)展,以目標(biāo)檢測(cè)技術(shù)與屬性識(shí)別技術(shù)為核心的視覺感知系統(tǒng)能夠從監(jiān)控視頻信息中檢測(cè)到顧客并識(shí)別出基本的屬性特征,為商家制定后續(xù)服務(wù)策略提供幫助。然而,視覺感知系統(tǒng)仍然存在一些問題亟待解決:（1）商場(chǎng)超市等復(fù)雜場(chǎng)景下的監(jiān)控視頻質(zhì)量會(huì)受到采光因素的影響,從而對(duì)后續(xù)的檢測(cè)與識(shí)別造成干擾;（2）目標(biāo)檢測(cè)算法在保證實(shí)時(shí)性的同時(shí)要滿足檢測(cè)精度的需求;（3）屬性識(shí)別算法的識(shí)別結(jié)果需要盡可能準(zhǔn)確;（4）基于深度學(xué)習(xí)的目標(biāo)檢測(cè)與屬性識(shí)別技術(shù)在不同場(chǎng)景下的檢測(cè)與識(shí)別表現(xiàn)會(huì)有所差異。針對(duì)以上問題,本文的主要工作和研究?jī)?nèi)容如下。（1）闡述本文的研究意義,介紹目標(biāo)檢測(cè)與屬性識(shí)別技術(shù)的研究現(xiàn)狀以及本文系統(tǒng)的相關(guān)技術(shù)原理。（2）對(duì)比當(dāng)前的暗光增強(qiáng)技術(shù),根據(jù)智慧門店場(chǎng)景需求,設(shè)計(jì)了基于拋物線函數(shù)增亮的暗光增強(qiáng)方法,在保證實(shí)時(shí)性的同時(shí)暗光增強(qiáng)效果良好。（3）對(duì)比現(xiàn)有的檢測(cè)算法,根據(jù)YOLOv3算法在檢測(cè)小目標(biāo)方面表現(xiàn)... 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１?Ｒ－ＣＮＮ算法檢測(cè)過程??２??

ＮＮ網(wǎng)絡(luò)共享卷積層，以減少整個(gè)網(wǎng)絡(luò)的運(yùn)算??時(shí)間，Ｆａｓｔｅｒ?Ｒ－ＣＮＮ算法檢測(cè)一張圖片耗時(shí)大約〇．２ｓ，接近實(shí)時(shí)檢測(cè)的速度。??２０１６年，Ｊｏｓｅｐｈ等人提出ＹＯＬＯ算法［２６！，把目標(biāo)檢測(cè)問題看做包含分類信??息的空間位置回歸問題，為目標(biāo)檢測(cè)開辟了新思路。ＹＯＬＯ算法使用端到端的設(shè)??計(jì)，相較于Ｆａｓｔｅｒ?Ｒ－ＣＮＮ算法，ＹＯＬＯ算法對(duì)整幅圖片進(jìn)行卷積，使用圖片的??全局信息，對(duì)圖像中的目標(biāo)位置及類別做出預(yù)測(cè)，Ｙ〇Ｌ〇算法結(jié)構(gòu)更為簡(jiǎn)單，檢??測(cè)速度更快。ＹＯＬＯ的網(wǎng)絡(luò)結(jié)構(gòu)如圖１．２所示。??３?＼Ｔｔ￣?￣２５６￣?Ｓ１Ｚ?１０３４?１０２４?ＷＷ?４０９６?３０??Ｃｏｎｖ．?Ｌｏｙｖｒ?Ｃｏｎｖ．?Ｌａｙｗ?Ｃｏｎｖ．?Ｌａｙ？ｒ？?Ｃｏｎｖ．?Ｌｏｙ？ｎ?Ｃｏｎｖ．?Ｌｏｙａｒｊ?Ｃｏｎｖ．?Ｌａｙ？ｒ？?Ｃｏｎｎ．?Ｌｏｙ？ｆ?Ｇ＞ｎｎ．?Ｌａｙｅｒ??７ｘ７ｘ６４－ｖ２?３ｘ３ｘ１９２?１ｘ１ｘ１２８?１ｘ１ｘ２５６－｝?ｘ４?Ｊｘｌｘ５１２?｜ｘ２?３ｘ３ｘ１０２４??Ｍａｘｐｏｏｌ?Ｌａｙｏｒ?Ｍｏｘｐｏｏｌ?Ｌａｙｅｒ?３ｘ３ｘ２５６?３ｘ３ｘ５１２?ｉ?３ｘ３ｘ１０２４?ｉ?３ｘ３ｘ１０２＾??２ｘ２＋２?２＊２＋２?１ｘ１ｘ２５６?１ｘ１ｘ５１２?３ｘ３ｘ１０２４??３ｘ３ｘ５１２?３ｘ３ｘ１０２４?３ｘ３ｘ１０２４＾－２??Ｍｏｘｐｏｏｌ?Ｌａｙｅｒ?Ｍｏｘｐｏｏｌ?Ｌａｙｅｒ??２＊２ｖｖ２?２ｘ２＋２??圖１．２?ＹＯＬＯ網(wǎng)絡(luò)結(jié)構(gòu)??隨后，Ｊｏｓｅｐｈ等人對(duì)ＹＯＬＯ算法進(jìn)行改進(jìn)，提出ＹＯＬＯＷＯＯ算法＿，該算??法步驟復(fù)雜，實(shí)現(xiàn)難度大。２０１６年，

算法設(shè)計(jì)了一種區(qū)域建議網(wǎng)絡(luò)ＲＰＮ來生成Ｒｅ§ｉｏｎ??Ｐｒｏｐｏｓａｌ，提升了檢測(cè)的效率。??Ｆａｓｔｅｒ－ＲＣＮＮ算法設(shè)計(jì)的ＲＰＮ以卷積特征圖為輸入，生成的Ｐｒｏｐｏｓａｌ為輸??出。其中，ＲＰＮ網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)共享Ｆｅａｔｕｒｅ?ｍａｐ，在中心設(shè)置ａｎｃｈｏｒ生成??ｎｘｎ的滑窗，通過滑窗使得預(yù)設(shè)的ａｎｃｈｏｒ?ｂｏｘ映射到原圖，從而獲取候選區(qū)域。??文獻(xiàn)［丨０］中設(shè)置了?３種不同尺度的ａｎｃｈｏｒ?ｂｏｘ，每個(gè)滑窗提�。箓�(gè)Ｒｅｇｉｏｎ?ｐｒｏｐｏｓａｌ。??ＲＰＮ網(wǎng)絡(luò)示意圖如圖２．５所示。??｛?］?ａｎｃｈｏｒ?ｂｏｘｅｓ??／：：§??＼?＼?＼＞＼?＼?ＸＨ；’’??＼＼＼＼ｕ??Ｆｅａｔｕｒｅ?＼?＼＾?＼?＼?？??ｓｌ＾ｎ＾ｉｎ３９ｗ＼?＼?＼?？??＼＼＼＼＼＼＼??圖２．５?ＲＰＮ網(wǎng)絡(luò)示意圖??ＲＰＮ網(wǎng)絡(luò)取代了?Ｓｅｌｅｃｔｉｖｅ?Ｓｅａｒｃｈ與Ｅｄｇｅ?Ｂｏｘｅｓ等區(qū)域選擇方法，因?yàn)榕c卷??積神經(jīng)網(wǎng)絡(luò)共享Ｆｅａｔｕｒｅ?ｍａｐ，所以在檢測(cè)速度方面有了很大的提升。可以將??Ｆａｓｔｅｒ－ＲＣＮＮ算法看做是ＲＰＮ網(wǎng)絡(luò)與Ｆａｓｔ－ＲＣＮＮ算法的結(jié)合，兩者共享Ｆｅａｔｕｒｅ??ｍａｐ，ＲＰＮ?網(wǎng)絡(luò)生成?Ｒｅｇｉｏｎ?ｐｒｏｐｏｓａｌｓ，Ｆａｓｔ－ＲＣＮＮ?網(wǎng)絡(luò)進(jìn)行分類。Ｆａｓｔｅｒ－ＲＣＮＮ??１３??

【參考文獻(xiàn)】：
期刊論文
[1]新零售智慧門店OMO創(chuàng)新模式研究[J]. 時(shí)應(yīng)峰,張洪.  商業(yè)經(jīng)濟(jì)研究. 2018(13)
[2]“新零售”的概念、研究框架與發(fā)展趨勢(shì)[J]. 鄢章華,劉蕾.  中國(guó)流通經(jīng)濟(jì). 2017(10)
[3]圖像增強(qiáng)算法綜述[J]. 王浩,張葉,沈宏海,張景忠.  中國(guó)光學(xué). 2017(04)
[4]新零售的產(chǎn)生與演進(jìn)[J]. 徐印州,林梨奎.  商業(yè)經(jīng)濟(jì)研究. 2017(15)
[5]“新零售”的含義、模式及發(fā)展路徑[J]. 趙樹梅,徐曉紅.  中國(guó)流通經(jīng)濟(jì). 2017(05)
[6]智能視頻監(jiān)控技術(shù)綜述[J]. 黃凱奇,陳曉棠,康運(yùn)鋒,譚鐵牛.  計(jì)算機(jī)學(xué)報(bào). 2015(06)
[7]一種顏色保持的彩色圖像增強(qiáng)新算法[J]. 趙全友,潘保昌,鄭勝林,戰(zhàn)蔭偉.  計(jì)算機(jī)應(yīng)用. 2008(02)
[8]Retinex彩色圖像增強(qiáng)理論的物理思考及其截?cái)鄥^(qū)間對(duì)圖像質(zhì)量的影響[J]. 江興方,陶純堪.  光學(xué)技術(shù). 2007(01)



本文編號(hào)：2987420