多层卷积特征的真实场景下行人检测研究
针对真实场景下的行人检测方法存在漏检、误检率高,以及小尺寸目标检测精度低等问题,提出了一种基于改进SSD网络的行人检测模型(PDIS).PDIS通过引出更底层的输出特征图改进了原始SSD网络模型,并采用卷积神经网络不同层输出的抽象特征对行人目标分别做检测,融合多层检测结果,提升了小目标行人的检测性能.此外,针对数据集样本多样性能有效地提升检测算法的泛化能力,本文采集了不同光照、姿态、遮挡等复杂场景下的行人图像,对背景比较复杂的INRIA行人数据集进行了扩充,在扩增的行人数据集上训练的PDIS模型,提高了在真实场景下的行人检测精度.实验表明:PDIS在INRIA测试集上测试结果达到93.8%的准确率,漏检率低至7.4%.
行人检测、卷积神经网络、SSD、真实场景、多尺度特征、目标检测、小目标行人、行人数据集
14
TP391(计算技术、计算机技术)
国家自然科学基金项目61402053;湖南省教育厅科研重点项目16A008;湖南省交通厅科技项目201446;长沙理工大学研究生科研创新项目CX2017SS19;长沙理工大学研究生课程建设项目KC201611
2019-04-29(万方平台首次上网日期,不代表论文的发表时间)
共10页
306-315