聚集人群是一種敏感場景,隱藏著突發(fā)和不易控制等因素,對人群聚集場景的檢測有實際應(yīng)用價值。通過縮小上下文信息模板搜索范圍,采用雙三次插值算法調(diào)整圖像大小,利用上下文信息經(jīng)感受野提取更多細(xì)節(jié)信息,基于深度殘差101層網(wǎng)絡(luò)模型提取人臉檢測框,并通過非極大值抑制去除冗余的、保留最好的人臉檢測框。實驗結(jié)果表明,該算法平均誤檢率為0.022 6,與Hu算法相比,在不損失精度的同時,提高檢測的平均速度為2.953 3s。 

【文章來源】：軟件導(dǎo)刊. 2019,18(04)

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引言
1 本文算法
    1.1 上下文信息模板配置
    1.2 上下文信息模板搜索范圍
2 實驗結(jié)果
3 實驗分析
4 結(jié)語


【參考文獻(xiàn)】：
期刊論文
[1]基于Adaboost人臉檢測技術(shù)淺析[J]. 陳海濤,潘靜.  電子世界. 2018(12)
[2]我國自發(fā)性人群聚集活動風(fēng)險評估的現(xiàn)狀與對策研究[J]. 王姝婷.  湖北警官學(xué)院學(xué)報. 2018(02)
[3]人數(shù)統(tǒng)計與人群密度估計技術(shù)研究現(xiàn)狀與趨勢[J]. 張君軍,石志廣,李吉成.  計算機(jī)工程與科學(xué). 2018(02)
[4]一種多層特征融合的人臉檢測方法[J]. 王成濟(jì),羅志明,鐘準(zhǔn),李紹滋.  智能系統(tǒng)學(xué)報. 2018(01)
[5]圖像縮放算法中常見插值方法比較[J]. 陳高琳.  福建電腦. 2017(09)
[6]神經(jīng)網(wǎng)絡(luò)七十年:回顧與展望[J]. 焦李成,楊淑媛,劉芳,王士剛,馮志璽.  計算機(jī)學(xué)報. 2016(08)
[7]行人檢測中非極大值抑制算法的改進(jìn)[J]. 陳金輝,葉西寧.  華東理工大學(xué)學(xué)報(自然科學(xué)版). 2015(03)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的人群密度分析[D]. 魏夢.中國科學(xué)技術(shù)大學(xué) 2018
[2]基于深度神經(jīng)網(wǎng)絡(luò)的多任務(wù)視覺感知研究與應(yīng)用[D]. 劉璐.電子科技大學(xué) 2018
[3]基于深度學(xué)習(xí)的智能人數(shù)統(tǒng)計技術(shù)研究與系統(tǒng)設(shè)計[D]. 包靈.電子科技大學(xué) 2018
[4]基于深度學(xué)習(xí)的人群密度估計及稠密人群計數(shù)的研究[D]. 劉明林.鄭州大學(xué) 2017
[5]人群聚集場景中多人臉檢測算法研究[D]. 徐凌.中南民族大學(xué) 2015



本文編號：3216601