论文部分内容阅读
行人检测是计算机视觉中的一个关键性技术,行人检测应用于智能安防、智能车辆辅助等方面并对人类的生活质量有着重要的积极意义。随着人工智能的不断发展以及人们对于生活质量的追求,行人检测技术在最近几年不断发展,已经开始进入大众生活中了。但是,由于图像中的行人受位置、大小、背景干扰等影响,使得行人检测技术还有很多不足之处有待提高。因此,本文在对最近几年行人检测方面的调查研究的基础上,提出了一种基于选择性搜索和特征学习的级联行人检测算法。论文的主要贡献如下：(1)通过实验和分析发现,针对行人检测和识别,发现用行人数据训练好的卷积神经网络比传统的HOG+SVM行人检测模型效果更好。提出一种基于AlexNet卷积神经网络模型的行人检测算法,该算法要优于HOG+SVM行人检测算法。(2)在(1)的基础上,提出一种行人检测的级联算法。首先,采用选择性搜索算法在待检测图像上提取出潜在的行人目标。其次,利用行人特有的长宽比信息,排除选择性搜索算法中不合理的潜在行人目标,得到候选行人目标。然后,对候选行人目标进行适当的区域完善,使得选择性搜索算法得到的不完整行人目标更加完整。之后,将他们输入AlexNet行人检测模型检测得到行人目标,排除干扰目标。论文方法通过级联的形式逐步排除干扰目标,只将不易分辨的潜在目标输送给后面的AlexNet行人分类器模型。在很大程度上减少了对大量干扰目标的特征提取和识别,减少了大量的计算量,提高了行人检测的速度。