近幾年,隨著駕駛輔助系統(tǒng)的興起,行人檢測與報(bào)警模塊也受到越來越多的關(guān)注。盡管目前基于深度神經(jīng)網(wǎng)絡(luò)的行人檢測算法取得了不錯(cuò)的效果,但是在某些情況下,仍然滿足不了實(shí)際需求。一方面,當(dāng)行人離攝像機(jī)的距離較遠(yuǎn)時(shí),出現(xiàn)在圖片中的尺寸較小,分辨率較低,容易被檢測器認(rèn)為是背景而被忽略。另一方面,交通道路場景下的行人常常會(huì)被汽車,樹木等物體遮擋住,這些遮擋物體會(huì)很大地影響檢測器對于行人的識(shí)別。為了解決上述的兩個(gè)問題,本文就交通道路場景下的小目標(biāo)行人檢測和遮擋行人檢測開展了深入的研究,并且設(shè)計(jì)和實(shí)現(xiàn)了行人檢測系統(tǒng),具體的工作以及主要貢獻(xiàn)如下:1.針對小目標(biāo)行人分辨率低,在高層卷積特征中易被忽略的問題,提出了一種基于多尺度特征挖掘的行人檢測方法。該方法的區(qū)域推薦模型通過挖掘不同層次的卷積特征來推薦行人所在的區(qū)域。實(shí)驗(yàn)結(jié)果表明,提出方法能很好地發(fā)現(xiàn)行人所在區(qū)域,減少在區(qū)域推薦階段被忽略的小目標(biāo)行人,從而提高行人檢測的召回率。2.為了進(jìn)一步解決在高層卷積特征中小目標(biāo)行人的特征易缺失的問題,我們結(jié)合圖像分割技術(shù)提出了一種通過預(yù)測行人中心點(diǎn)來預(yù)測行人所在位置的檢測方法。該方法基于Unet網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì),通過在高層卷... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：102 頁

【學(xué)位級別】：碩士

【部分圖文】：

FPPI-MR曲線圖

Sigmoid激活函數(shù)曲線

Tanh激活函數(shù)曲線

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)YOLOv2模型的駕駛輔助系統(tǒng)實(shí)時(shí)行人檢測[J]. 白中浩,李智強(qiáng),蔣彬輝,王鵬輝.  汽車工程. 2019(12)
[2]適用于輪式機(jī)器人的單目視覺行人跟蹤方法[J]. 石祥濱,周正,張德園.  沈陽航空航天大學(xué)學(xué)報(bào). 2019(03)
[3]基于上下文信息的監(jiān)控場景行人檢測方法[J]. 郭榮幸,李濤,李旭冬,馬鵬閣.  電視技術(shù). 2017(06)
[4]汽車安全駕駛輔助系統(tǒng)的研究綜述[J]. 薛玉斌,王祥,石晶.  黑龍江交通科技. 2016(02)

博士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測若干問題研究[D]. 李旭冬.電子科技大學(xué) 2017



本文編號：3124009