论文部分内容阅读
行人检测问题是目标检测领域的研究热点。常规的方法往往利用密集的窗口扫描方式获取待检测区域。这种方式计算开销大难以满足快速的行人检测要求。针对静止的单目摄像机拍摄的监控视频图像,研究了一种结合前景检测和深度学习的运动行人检测方法。利用前景检测方法提取出运动区域作为待检测目标,再利用深度卷积网络模型进行特征提取并结合支持向量机进行行人检测。实验结果表明,该方法相对于常规的窗口选择模式能够缩短十四倍的检测时间,并能达到每秒15帧的处理速度。可以满足系统实时性的要求,具有较强的工程应用性。