基于YOLO的多尺度快速行人檢測(cè)算法研究與應(yīng)用
發(fā)布時(shí)間:2021-05-26 19:01
隨著監(jiān)控場(chǎng)景不斷增加,行人檢測(cè)也得到了迅猛的發(fā)展。行人跟蹤,行為分析等這些基于行人檢測(cè)支撐的技術(shù)在人們的生活中變得常見(jiàn)。行人檢測(cè)技術(shù)不斷前進(jìn)才能從根本上帶動(dòng)上層應(yīng)用的適用與普及。而在實(shí)際的行人檢測(cè)系統(tǒng)中,不僅要考慮目標(biāo)檢測(cè)的準(zhǔn)確性,也要考慮檢測(cè)的實(shí)時(shí)性。這就要求我們?cè)谠O(shè)計(jì)行人檢測(cè)算法時(shí),即要保證檢測(cè)的準(zhǔn)確性,也要保證檢測(cè)的效率。本文將行人檢測(cè)理論與實(shí)際應(yīng)用相結(jié)合,在Tiny-YOLO的基礎(chǔ)上實(shí)現(xiàn)了多尺度快速行人檢測(cè)算法與實(shí)時(shí)行人檢測(cè)系統(tǒng)。本文結(jié)合行人檢測(cè)的特點(diǎn),發(fā)現(xiàn)了Tiny-YOLO在行人檢測(cè)領(lǐng)域存在著一些問(wèn)題并在此基礎(chǔ)上進(jìn)行相應(yīng)的改進(jìn)。針對(duì)Tiny-YOLO在行人檢測(cè)領(lǐng)域存在的問(wèn)題,本文改進(jìn)的方面有:(1)其中針對(duì)行人單一目標(biāo)的檢測(cè),改進(jìn)損失函數(shù)來(lái)使模型對(duì)行人檢測(cè)效果更好;(2)針對(duì)漏檢和錯(cuò)檢,通過(guò)對(duì)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì),增加特征提取能力;(3)針對(duì)小目標(biāo)檢測(cè)不準(zhǔn)確問(wèn)題,使用了特征金字塔與多尺度特征預(yù)測(cè)融合不同特征圖語(yǔ)義,可以更容易的發(fā)現(xiàn)小目標(biāo)行人,提高檢測(cè)精度。本文也通過(guò)實(shí)驗(yàn)驗(yàn)證了上述改進(jìn)的有效性。使得改進(jìn)后的算法在保證行人實(shí)時(shí)檢測(cè)速度實(shí)時(shí)性的同時(shí),也提高了行人檢測(cè)的準(zhǔn)確率,基本上到達(dá)...
【文章來(lái)源】:大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:68 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 研究現(xiàn)狀
1.2.1 傳統(tǒng)行人檢測(cè)方法
1.2.2 深度學(xué)習(xí)行人檢測(cè)方法
1.3 本文工作與章節(jié)安排
1.3.1 本文工作
1.3.2 章節(jié)安排
2 相關(guān)知識(shí)
2.1 行人檢測(cè)基本流程
2.2 卷積神經(jīng)網(wǎng)絡(luò)
2.3 基于卷積的目標(biāo)檢測(cè)框架
2.3.1 基于區(qū)域建議的目標(biāo)檢測(cè)
2.3.2 基于回歸的目標(biāo)檢測(cè)
2.4 YOLO系列
2.4.1 YOLO的基本原理
2.4.2 Tiny-YOLO
2.5 本章小結(jié)
3 多尺度快速行人檢測(cè)算法
3.1 算法基礎(chǔ)框架結(jié)構(gòu)
3.2 損失函數(shù)
3.2.1 邊界框預(yù)測(cè)
3.2.2 損失函數(shù)設(shè)計(jì)
3.3 特征提取網(wǎng)絡(luò)結(jié)構(gòu)的改進(jìn)
3.3.1 增加1×1 卷積層
3.3.2 改進(jìn)后的網(wǎng)絡(luò)結(jié)構(gòu)
3.4 增加多尺度預(yù)測(cè)
3.4.1 多尺度預(yù)測(cè)原理
3.4.2 引入多尺度預(yù)測(cè)結(jié)構(gòu)
3.5 本章小結(jié)
4 算法實(shí)驗(yàn)與結(jié)果分析
4.1 行人檢測(cè)數(shù)據(jù)集構(gòu)建
4.2 模型初始設(shè)置
4.3 實(shí)驗(yàn)環(huán)境
4.4 訓(xùn)練過(guò)程
4.5 實(shí)驗(yàn)結(jié)果分析
4.5.1 評(píng)價(jià)指標(biāo)
4.5.2 結(jié)果分析
4.6 本章小結(jié)
5 行人檢測(cè)系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)
5.1 系統(tǒng)需求分析
5.1.1 系統(tǒng)需求分析
5.1.2 功能性需求
5.1.3 非功能性需求
5.1.4 可行性分析
5.2 系統(tǒng)總體設(shè)計(jì)
5.2.1 系統(tǒng)架構(gòu)設(shè)計(jì)
5.2.2 系統(tǒng)框架介紹
5.2.3 系統(tǒng)整體流程結(jié)構(gòu)
5.3 系統(tǒng)實(shí)現(xiàn)
5.3.1 服務(wù)器端搭建
5.3.2 客戶端實(shí)現(xiàn)
5.4 運(yùn)行效果
5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果
1專利
致謝
本文編號(hào):3206897
【文章來(lái)源】:大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:68 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 研究現(xiàn)狀
1.2.1 傳統(tǒng)行人檢測(cè)方法
1.2.2 深度學(xué)習(xí)行人檢測(cè)方法
1.3 本文工作與章節(jié)安排
1.3.1 本文工作
1.3.2 章節(jié)安排
2 相關(guān)知識(shí)
2.1 行人檢測(cè)基本流程
2.2 卷積神經(jīng)網(wǎng)絡(luò)
2.3 基于卷積的目標(biāo)檢測(cè)框架
2.3.1 基于區(qū)域建議的目標(biāo)檢測(cè)
2.3.2 基于回歸的目標(biāo)檢測(cè)
2.4 YOLO系列
2.4.1 YOLO的基本原理
2.4.2 Tiny-YOLO
2.5 本章小結(jié)
3 多尺度快速行人檢測(cè)算法
3.1 算法基礎(chǔ)框架結(jié)構(gòu)
3.2 損失函數(shù)
3.2.1 邊界框預(yù)測(cè)
3.2.2 損失函數(shù)設(shè)計(jì)
3.3 特征提取網(wǎng)絡(luò)結(jié)構(gòu)的改進(jìn)
3.3.1 增加1×1 卷積層
3.3.2 改進(jìn)后的網(wǎng)絡(luò)結(jié)構(gòu)
3.4 增加多尺度預(yù)測(cè)
3.4.1 多尺度預(yù)測(cè)原理
3.4.2 引入多尺度預(yù)測(cè)結(jié)構(gòu)
3.5 本章小結(jié)
4 算法實(shí)驗(yàn)與結(jié)果分析
4.1 行人檢測(cè)數(shù)據(jù)集構(gòu)建
4.2 模型初始設(shè)置
4.3 實(shí)驗(yàn)環(huán)境
4.4 訓(xùn)練過(guò)程
4.5 實(shí)驗(yàn)結(jié)果分析
4.5.1 評(píng)價(jià)指標(biāo)
4.5.2 結(jié)果分析
4.6 本章小結(jié)
5 行人檢測(cè)系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)
5.1 系統(tǒng)需求分析
5.1.1 系統(tǒng)需求分析
5.1.2 功能性需求
5.1.3 非功能性需求
5.1.4 可行性分析
5.2 系統(tǒng)總體設(shè)計(jì)
5.2.1 系統(tǒng)架構(gòu)設(shè)計(jì)
5.2.2 系統(tǒng)框架介紹
5.2.3 系統(tǒng)整體流程結(jié)構(gòu)
5.3 系統(tǒng)實(shí)現(xiàn)
5.3.1 服務(wù)器端搭建
5.3.2 客戶端實(shí)現(xiàn)
5.4 運(yùn)行效果
5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果
1專利
致謝
本文編號(hào):3206897
本文鏈接:http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/3206897.html
最近更新
教材專著