| 基于区域候选的粗-精行人检测方法 |
| |
| 引用本文： | 周少康,宋晓宁,於东军.基于区域候选的粗-精行人检测方法[J].南京理工大学学报(自然科学版),2020,44(3). |
| |
| 作者姓名： | 周少康 宋晓宁 於东军 |
| |
| 作者单位： | 江南大学 物联网工程学院,江苏 无锡214122;南京理工大学 计算机科学与工程学院,江苏 南京210094 |
| |
| 基金项目： | 国家重点研发计划;国家自然科学基金;中国博士后科学基金;江苏省自然科学基金;江苏省"六大人才高峰"高层次人才项目 |
| |
| 摘 要： | 为了解决行人检测过程中漏检的问题,提出一种将传统检测方法与区域候选网络相结合的方法。运用局部无关通道特征(LDCF)方法对图片进行粗检测,筛选出在训练集上漏检的窗口。采用k均值(k-means)算法对数据集中漏检的目标框进行聚类,得到合适的尺度与长宽比。针对相应的尺度与长宽比训练区域候选网络(RPN),提高粗检测阶段的召回率。利用改进的颜色自相似特征以及简化的卷积网络结构对窗口特征进行更为准确的描述。使用改进的深度网络提取特征,并训练级联分类器,对粗检窗口进行精细判断。在行人检测数据集TUD-Brussels和Caltech上进行实验,得到的平均对数漏检率分别为46%和9%。
|
| 关 键 词： | 区域候选网络 行人检测 局部无关通道特征 k均值算法 卷积网络 级联分类器 平均对数漏检率 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
