基于深度神經網絡的實時視頻下行人檢測.pdf

1、行人檢測是計算機視覺當中的關鍵技術，是行人行為分析、安全監(jiān)控、無人駕駛和駕駛輔助系統(tǒng)等后續(xù)研究的基礎，因此，對行人檢測的精確度、實時性、魯棒性都提出了較高的要求。然而，行人姿態(tài)多樣、行人著裝千差萬別、檢測環(huán)境復雜多變、行人之間容易出現遮擋等問題給行人檢測工作帶來了巨大挑戰(zhàn)。
　　深度學習可以自主隱式地提取特征，并且提取的特征具有極好的魯棒性，近年來得到了快速地發(fā)展，尤其是在物體識別和圖像分類領域，隨著網絡深度不斷加深，效果也不斷提

2、升，在2015年12月落幕的第六屆ImagetNet圖像識別大賽當中，微軟設計的神經網絡深度達到150層，對物體分類的錯誤率僅為3.5%，定位的錯誤率僅為9%。
　　本文基于深度神經網絡，設計了二個行人檢測的方案，并自建了一個包含近萬張圖片的數據集來進行訓練，均能夠快速精準地檢測出視頻場景中的行人，在基于背景建模的方案中，檢測準確率達到了98%，每秒可以完成12幀的檢測，在基于Faster R-C N N的方案中，算法直接對圖像進