行人檢測,旨在識別并定位輸入圖像或視頻中的行人,是計算機視覺技術(shù)中的重要問題,也是場景理解、圖像檢索、事件檢測等許多任務(wù)的基礎(chǔ)。盡管隨著深度學(xué)習(xí)的快速發(fā)展和計算機處理能力的不斷提高,行人檢測在近十年得到了很大的發(fā)展,但是在現(xiàn)實世界的真實場景下,行人檢測算法的性能相比人眼給出的結(jié)果仍有較大差距。因此,行人檢測一直是當前學(xué)術(shù)界與工業(yè)界的研究熱點,具有巨大的理論研究價值與實際意義。在影響行人檢測算法性能的諸多因素中,行人的尺度變化、遮擋及光照變化是三大核心挑戰(zhàn)。尺度變化的表現(xiàn)形式為在圖像中,由于與攝像頭距離的不同,行人的尺寸大小不一;遮擋的表現(xiàn)形式為行人的某些部分被其他物體遮擋,造成身體結(jié)構(gòu)的完整性被破壞;而光照變化的表現(xiàn)形式則為由于場景光照強弱不一,不同的行人所在的區(qū)域明暗不同。圍繞著這三個挑戰(zhàn),本文首先開展了普通監(jiān)控場景下的行人多尺度與遮擋處理的研究,其研究目標為學(xué)習(xí)能夠抵抗尺度變化與遮擋的目標特征表達;然后,針對復(fù)雜擁擠環(huán)境下行人之間互相遮擋而形成的人群遮擋這一特殊的遮擋類型,本文開展了基于上下文信息的人群目標遮擋處理研究,其研究目標為學(xué)習(xí)在人群密集情況下的具有強分辨能力的行人特征;最... 

【文章來源】：中國科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁數(shù)】：113 頁

【學(xué)位級別】：博士

【部分圖文】：

圖１．１行人檢測中的常見挑戰(zhàn)??

這些目標的類別，位置進行判斷的技術(shù)。一般說來，可以將目標檢測分為兩個子??問題，分別是目標識別與目標定位，前者負責(zé)識別出感興趣的目標，而后者則負??責(zé)給出這些目標出現(xiàn)的位置。圖２．１是使用ＦａｓｔｅｒＲ－ＣＮＮ［４］算法進行目標檢測的??一個例子。從圖中可以看到，感興趣的目標類別包括汽車、狗、馬、人等，算法??成功地從圖像中檢測出了屬于這些類別的物體，并且通過矩形框給出了這些物??體的位置。此外，算法還給出了物體的分類置信度得分，得分越高，說明算法越??傾向于將其分為這一類。??一般來說，目標檢測算法包含了三個主要的組成部分，分別為特征提取、候??選區(qū)域生成以及分類與回歸。下面將基于這三大組成部分對目標檢測算法的發(fā)??展歷史和目前研宄現(xiàn)狀進行介紹。??２．１．１傲Ｍ取??目標檢測算法的第一步一般是特征提取。對于輸入到計算機中的圖像來說，??其格式是二維數(shù)據(jù)矩陣（灰度圖像）或者三維數(shù)據(jù)矩陣（彩色圖像）。正如人類??無法直接從圖像的像素值中判斷是否存在感興趣目標一樣，計算機也無法從數(shù)??９??

神經(jīng)網(wǎng)絡(luò)有著幾十年的發(fā)展歷史，而卷積神經(jīng)網(wǎng)絡(luò)（Ｃｏｎｖｏｌｕｔｉｏｎａｌ?Ｎｅｕｒａｌ??Ｎｅｔｗｏｒｋ，?ＣＮＮ）的開山之作則是１９９８年的ＬｅＮｅｔ［ｌ］。ＬｅＮｅｔ的最大貢獻是定義了??ＣＮＮ的基本結(jié)構(gòu)，其結(jié)構(gòu)如圖２．２所示。對于一張尺寸為３２?ｘ?３２的輸入圖像而??言，其經(jīng)過了卷積層、池化層和全連接層后得到一個１０維向量作為輸出。ＬｅＮｅｔ??在手寫字體識別領(lǐng)域取得了優(yōu)異的性能，是該領(lǐng)域的經(jīng)典論文。??在ＣＮＮ的結(jié)構(gòu)中，很重要的特點是局部連接和權(quán)值共享。局部連接指的是??當前層神經(jīng)元只和前一層很小區(qū)域內(nèi)的部分神經(jīng)元相連接，這樣一來摒棄了傳??統(tǒng)全連接網(wǎng)絡(luò)需要與前一層所有神經(jīng)元連接的做法，大大減少了計算量與網(wǎng)絡(luò)??所需參數(shù)數(shù)目。權(quán)值共享則指的是在連接過程中需要用到的權(quán)值參數(shù)在當前層??的每一個神經(jīng)元處共享，進一步減少了計算量以及參數(shù)數(shù)目。通過局部連接和權(quán)??值共享，不但使得ＣＮＮ的計算復(fù)雜度降低到計算機能夠承受的程度，而且還降??低了過擬合發(fā)生的概率


本文編號：3441171