基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測方法研究.pdf

1、計算機視覺是一門研究如何讓計算機模擬生物的大腦去感知視覺信息的學科。目標檢測是計算機視覺領(lǐng)域里面的基本任務(wù)之一，目的是為了在靜態(tài)圖像或視頻幀中判斷是否存在待檢測的目標，如果存在還需要將其所在的位置標記出來。行人檢測是目標檢測里面一個特定的研究課題。人作為非剛性的物體，在圖像中可能以不同外形和姿態(tài)存在，再加上復雜的背景、光照變化和遮擋等因素的干擾，人體目標的檢測就變得十分困難。但是，對人體目標的檢測具有十分廣泛的應用前景。通過在圖像中檢測

2、出行人，能夠接著對其進行行人跟蹤、行人識別和行人行為分析的研究工作。另外，行人檢測技術(shù)在視頻監(jiān)控系統(tǒng)、智能交通系統(tǒng)等領(lǐng)域潛還藏著巨大的商業(yè)價值。由于這些原因?qū)е铝诵腥藱z測成為目標檢測里面的熱點研究課題。
　　行人檢測的過程分為候選窗口生成、特征提取和分類器分類三個主要的部分。其中，傳統(tǒng)檢測方法使用的是滑動窗口法來生成候選窗口。該方法使用窮舉的策略，通過設(shè)置不同尺寸和長寬比來對整幅圖像進行遍歷。盡管這種方法能夠窮舉出目標可能出現(xiàn)的所

3、有位置，但是由于產(chǎn)生的冗余窗口數(shù)量過多嚴重的影響了檢測速度。在特征提取環(huán)節(jié)，傳統(tǒng)方法使用人工設(shè)計特征來提取特征向量。常用的行人描述符有 HOG特征、Haar特征和LBP特征等。人工特征的設(shè)計需要依靠專業(yè)領(lǐng)域中豐富的先驗知識，才能從訓練數(shù)據(jù)中抽取出有用的特征。為解決以上問題，本文考慮了視頻圖像里的上下文信息，通過前景檢測來生成候選窗口，再結(jié)合深度卷積神經(jīng)網(wǎng)絡(luò)模型自動地學習和提取人體特征，最終提出一種面向視頻圖像的行人檢測方法。本文主要完成

4、的研究工作具體如下：
　　(1)針對傳統(tǒng)方法生成候選窗口時，冗余窗口過多且質(zhì)量不高的問題。本文對視頻圖像序列進行背景建模，利用前景檢測劃分出背景區(qū)域和前景區(qū)域，接著對前景圖像進行形態(tài)學處理，通過腐蝕操作消除噪聲點，膨脹操作聯(lián)通相鄰區(qū)域成為一個整體。最后，利用輪廓查找定位出所有運動目標的輪廓，并計算每一個輪廓的最小外接矩形構(gòu)成候選窗口集合。該方法利用視頻圖像中的上下文信息過濾掉大量無關(guān)的背景區(qū)域從而縮小了整幅圖像中需要搜索的范圍。<

5、br>　　(2)針對傳統(tǒng)方法中所采取的人工設(shè)計的特征無法充分有效描述行人目標的問題，本文選用深度卷積神經(jīng)網(wǎng)絡(luò)模型來自動學習并提取人體特征。通過優(yōu)化網(wǎng)絡(luò)的模型結(jié)構(gòu)，增加全連接層神經(jīng)元的個數(shù)，劃分全連接層神經(jīng)元為兩個部分，分別與兩個卷積層提取到的特征圖相連，巧妙融合CNN學習到的淺層特征和深層特征，最終組成聯(lián)合特征向量來完成人體的檢測工作。
　　(3)基于上述研究，利用校園內(nèi)樓棟中的監(jiān)控攝像頭拍攝到連續(xù)的視頻圖像作為檢測系統(tǒng)輸入源，再