發(fā)布時(shí)間：2022-11-03 22:36

　　隨著深度學(xué)習(xí)技術(shù)的逐漸成熟,該技術(shù)已被廣泛地應(yīng)用于自動(dòng)駕駛、智能監(jiān)控和人機(jī)交互等領(lǐng)域。本文就行人檢測(cè)與跟蹤為研究對(duì)象,研究該任務(wù)中最為重要的兩個(gè)部分:行人檢測(cè)和多目標(biāo)跟蹤。依托深度學(xué)習(xí)技術(shù),進(jìn)行基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)模型與多目標(biāo)跟蹤算法研究。針對(duì)行人檢測(cè)問(wèn)題,本文首先通過(guò)對(duì)比分析選取檢測(cè)精度較高、實(shí)時(shí)性較好的YOLOv3網(wǎng)絡(luò)為行人檢測(cè)模型。利用行人檢測(cè)數(shù)據(jù)集進(jìn)行檢測(cè)模型的研究,本文收集整理行人圖片進(jìn)行標(biāo)注。針對(duì)行人檢測(cè)精度很低的問(wèn)題,使用了三種優(yōu)化方法,分別是行人樣本分類、K-means聚類獲取最優(yōu)先驗(yàn)候選框及難樣本再訓(xùn)練,成功使行人檢測(cè)精度提升至90.89%。其次,針對(duì)數(shù)據(jù)集中遠(yuǎn)距離行人檢測(cè)精度較低的問(wèn)題,本文提出了改進(jìn)的YOLOv3模型,該模型改進(jìn)了YOLOv3模型的主干網(wǎng)絡(luò)結(jié)構(gòu)并融合網(wǎng)絡(luò)中部分殘差單元。以遠(yuǎn)距離數(shù)據(jù)集作為驗(yàn)證,與原YOLOv3行人檢測(cè)結(jié)果對(duì)比,改進(jìn)的YOLOv3模型行人檢測(cè)精度m AP（mean Average Precision）提升了4.53%,行人檢測(cè)準(zhǔn)確度Io U（Intersection-over-Union）提升7.02%。通過(guò)預(yù)處理經(jīng)典數(shù)據(jù)集中的... 

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

YOLOv3 行人檢測(cè)結(jié)果

數(shù)據(jù)集樣本分類實(shí)驗(yàn)結(jié)果

不同數(shù)量先驗(yàn)候選框的聚類結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合深度殘差學(xué)習(xí)和感知損失的圖像去噪[J]. 吳從中,陳曦,季棟,詹曙.  中國(guó)圖象圖形學(xué)報(bào). 2018(10)
[2]激活函數(shù)在卷積神經(jīng)網(wǎng)絡(luò)中的對(duì)比研究[J]. 田娟,李英祥,李彤巖.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(07)
[3]基于相關(guān)濾波器的視覺(jué)目標(biāo)跟蹤綜述[J]. 魏全祿,老松楊,白亮.  計(jì)算機(jī)科學(xué). 2016(11)
[4]基于運(yùn)動(dòng)區(qū)域Viola-Jones算法的視頻人臉檢測(cè)[J]. 彭明莎,劉翠響.  電子設(shè)計(jì)工程. 2015(21)
[5]網(wǎng)絡(luò)優(yōu)化的最大利潤(rùn)問(wèn)題及其增廣路算法[J]. 馬毅,嚴(yán)余松,戶佐安.  計(jì)算機(jī)工程與應(yīng)用. 2015(01)
[6]行人檢測(cè)技術(shù)綜述[J]. 蘇松志,李紹滋,陳淑媛,蔡國(guó)榕,吳云東.  電子學(xué)報(bào). 2012(04)
[7]分割位置提示的可變形部件模型快速目標(biāo)檢測(cè)[J]. 楊揚(yáng),李善平.  自動(dòng)化學(xué)報(bào). 2012(04)
[8]匈牙利算法在多目標(biāo)分配中的應(yīng)用[J]. 柳毅,佟明安.  火力與指揮控制. 2002(04)



本文編號(hào)：3700754