基于卷积神经网络的行人目标检测系统设计

摘要：

为获得最直观的行人目标检测结果,避免运动姿态不确定性对实时检测造成的影响,设计基于卷积神经网络的行人目标检测系统;以CNN计算框架作为硬件结构主体,分级连接目标传感器与神经型卷积分类器,按照并行检测原理及卷积神经架构搭建检测体系结构;建立训练文件体系,通过迎合目标训练环境的方式,配置必要的检测文件参数,完成待检测行人目标的样本训练处理;在检测节点架构中,规定与访问接口关联的配置条件,借助增设的模块复用加速结构,直接获取行人目标检测结果,实现行人目标的样本重构,完成基于卷积神经网络的行人目标检测系统设计;实验结果表明,与PCA、SVM算法相比,应用卷积神经网络型检测系统后,单位时间内的行人目标检测量达到9.6×109 T,目标数据堆积速率降低至1.14×109 T/s,能够直观获取行人目标检测结果,有效抑制了运动姿态不确定性对系统实时检测的影响.

关键词：卷积神经网络、行人目标、检测系统、CNN框架、目标传感器、训练文件、访问接口、复用加速结构

所属期刊栏目：28

分类号：TP393(计算技术、计算机技术)

资助基金：陕西省科技计划重点项目资助2017ZDCXL-GY-05-03

在线出版日期：2020-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：64-68,96