基于圖像和視頻的行人檢測是行人跟蹤、行為分析、步態(tài)分析、行人身份識(shí)別等研究的基礎(chǔ)和前提,也是計(jì)算機(jī)視覺領(lǐng)域最重要的研究方向之一。隨著時(shí)代的發(fā)展,無論是視頻監(jiān)控、車輛輔助駕駛還是智能機(jī)器人,人們對行人檢測的需求日益漸長。近年來有關(guān)基于深度學(xué)習(xí)的行人檢測算法陸續(xù)被提出以解決傳統(tǒng)手工方法對行人檢測精度低、速度慢的缺點(diǎn)。現(xiàn)有基于深度學(xué)習(xí)的行人檢測算法占用資源大,精度和速度均有待進(jìn)一步提高,無法滿足實(shí)時(shí)監(jiān)測的需要。本文以微型YOLO為原型,對基于YOLO算法的行人檢測進(jìn)行研究,并在此基礎(chǔ)上對其進(jìn)行改進(jìn)。使用SSE算法對候選框進(jìn)行聚類,采用多尺度訓(xùn)練策略在混合數(shù)據(jù)集上進(jìn)行訓(xùn)練,給出的改進(jìn)模型占用存儲(chǔ)空間小,進(jìn)一步提高了檢測的精度和速度,模型的泛化能力得到增強(qiáng)。具體工作如下:(1)對行人檢測的研究背景與意義進(jìn)行闡述,并對傳統(tǒng)行人檢測與深度學(xué)習(xí)行人檢測的國內(nèi)外現(xiàn)狀進(jìn)行研究;介紹了行人檢測相關(guān)技術(shù),包括基于傳統(tǒng)方法、深度神經(jīng)網(wǎng)絡(luò)的行人檢測;對微型YOLO算法進(jìn)行詳細(xì)解析,并在INRIA標(biāo)準(zhǔn)數(shù)據(jù)集上給出了初始實(shí)驗(yàn)結(jié)果。(2)給出了改進(jìn)YOLO網(wǎng)絡(luò)結(jié)構(gòu)的行人檢測模型。對yolov3-tiny網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了不...

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 研究背景與意義
    1.2 行人檢測難點(diǎn)和國內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)方法行人檢測
        1.2.2 深度學(xué)習(xí)行人檢測
    1.3 研究問題描述
    1.4 論文組織結(jié)構(gòu)
    1.5 本章小結(jié)
第2章 行人檢測相關(guān)技術(shù)
    2.1 基于傳統(tǒng)方法的行人檢測
        2.1.1 滑動(dòng)窗口選擇
        2.1.2 梯度方向直方圖(HOG)
        2.1.3 支持向量機(jī)(SVM)
    2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測
        2.2.1 傳統(tǒng)神經(jīng)網(wǎng)絡(luò)
        2.2.2 前向傳播算法
        2.2.3 反向傳播算法
        2.2.4 卷積神經(jīng)網(wǎng)絡(luò)
    2.3 行人檢測常用數(shù)據(jù)集
    2.4 實(shí)驗(yàn)環(huán)境及硬件配置
    2.5 本章小結(jié)
第3章 基于YOLO算法的行人檢測模型
    3.1 微型YOLO檢測算法
        3.1.1 目標(biāo)行人定位
        3.1.2 非極大值抑制
        3.1.3 k-means聚類算法
        3.1.4 網(wǎng)絡(luò)結(jié)構(gòu)
    3.2 網(wǎng)絡(luò)訓(xùn)練
    3.3 評價(jià)指標(biāo)與計(jì)算方法
    3.4 實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
第4章 基于細(xì)粒度融合與殘差模塊的網(wǎng)絡(luò)改進(jìn)
    4.1 引言
    4.2 SSE優(yōu)化K值
    4.3 網(wǎng)絡(luò)結(jié)構(gòu)改進(jìn)
        4.3.1 細(xì)粒度多層特征融合
        4.3.2 殘差模塊
    4.4 網(wǎng)絡(luò)訓(xùn)練
    4.5 實(shí)驗(yàn)結(jié)果與分析
    4.6 本章小結(jié)
第5章 混合數(shù)據(jù)集多尺度訓(xùn)練的行人檢測模型
    5.1 引言
    5.2 數(shù)據(jù)預(yù)處理
    5.3 重聚類初始框
    5.4 網(wǎng)絡(luò)訓(xùn)練
        5.4.1 預(yù)訓(xùn)練
        5.4.2 多尺度訓(xùn)練
    5.5 實(shí)驗(yàn)結(jié)果與分析
    5.6 本章小結(jié)
第6章 總結(jié)與未來展望
    6.1 總結(jié)
    6.2 下一步工作
參考文獻(xiàn)
致謝
附錄:攻讀學(xué)位期間主持的科研項(xiàng)目與公開發(fā)表的學(xué)術(shù)成果



本文編號(hào)：3859198