基于候选区域和并行卷积神经网络的行人检测

摘要：

针对行人在部分自然场景图像中所占比例较小(以下简称小目标),提取的特征容易丢失,检测准确率低的问题,提出基于候选区域和并行卷积神经网络(Parallel Convolutional Neural Network,PCNN)的行人检测方法.对于候选区域提取部分,改进了选择性搜索,使其更符合行人这一类别的候选区域提取;利用Edge Boxes对选择性搜索提取的大量预候选区域进行过滤,最终得到数量少、质量高的候选区域.在利用卷积神经网络(Convolutional Neural Network,CNN)进行特征提取时,针对深层卷积神经网络能够提取到更丰富更抽象的高层特征,但同时对于小目标容易造成特征丢失的问题,加入浅层网络组成并行卷积神经网络(Parallel Convolutional Neural Network, PCNN)提取深、浅层特征输出.最后将所提方法应用于行人检测,实验结果表明,所提方法对于小目标的检测准确率有较好的提升.

关键词：卷积神经网络(CNN)、行人检测、选择性搜索、Edge Boxes、特征提取

所属期刊栏目：55

分类号：TP391(计算技术、计算机技术)

资助基金：科学技术部国家重点研发计划2018YFC1900801,11041001201801;国家自然科学基金61873009;北京市自然科学基金4192009

在线出版日期：2019-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：91-98,162