本文選題：行人檢測(cè) + 卷積神經(jīng)網(wǎng)絡(luò)　； 參考：《計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)》2017年03期

【摘要】：行人檢測(cè)在車輛輔助駕駛、視頻監(jiān)控、智能機(jī)器人等領(lǐng)域具有重要的應(yīng)用價(jià)值.針對(duì)當(dāng)前行人檢測(cè)算法在視頻分辨率低和背景復(fù)雜的情況下存在很多誤檢及漏檢的問題,提出一種融合多模型和幀間信息的行人檢測(cè)算法.首先融合Fast R-CNN和Faster R-CNN模型的互補(bǔ)檢測(cè)結(jié)果獲取精準(zhǔn)的檢測(cè)窗口;然后采用視頻幀間上下文融合算法來彌補(bǔ)單幀圖像檢測(cè)算法存在的漏檢和誤檢.實(shí)驗(yàn)結(jié)果表明,在Caltech行人檢測(cè)數(shù)據(jù)庫上,在每幅圖像虛警率(FPPI)為10%的條件下,該算法丟失率僅為14.04%,比Faster R-CNN單模型丟失率(16.09%)降低2.05%;利用多模型和幀間信息融合對(duì)行人檢測(cè)結(jié)果進(jìn)行校正,能提高行人檢測(cè)性能.
[Abstract]:Pedestrian detection has important application value in vehicle aided driving, video surveillance, intelligent robot and so on. In view of the problems of false detection and missed detection in current pedestrian detection algorithms with low video resolution and complex background, a pedestrian detection algorithm combining multi-model and inter-frame information is proposed. Firstly, the complementary detection results of Fast R-CNN and Faster R-CNN model are fused to obtain accurate detection window, and then the video frame context fusion algorithm is used to compensate for the missing and false detection of single frame image detection algorithm. The experimental results show that in the Caltech pedestrian detection database, the false alarm rate of each image is 10%. The loss rate of this algorithm is only 14.04, which is 2.05 lower than that of Faster R-CNN single model (16.09). The multi-model and inter-frame information fusion is used to correct the pedestrian detection results, and the pedestrian detection performance can be improved.
【作者單位】： 中國科學(xué)院計(jì)算技術(shù)研究所智能信息處理重點(diǎn)實(shí)驗(yàn)室;中國科學(xué)院大學(xué);國家計(jì)算機(jī)網(wǎng)絡(luò)應(yīng)急技術(shù)處理協(xié)調(diào)中心;
【基金】：國家自然科學(xué)基金(61572472,61525206) 國家“八六三”高技術(shù)研究發(fā)展計(jì)劃(2014AA015202) 北京市自然科學(xué)基金(4152050)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 殷德軍;圖像信號(hào)幀間變換的控制方法[J];電子學(xué)報(bào);1999年04期

2 張俊舉,邢素霞,常本康,錢蕓生;基于運(yùn)動(dòng)判斷的動(dòng)態(tài)幀間濾波方法[J];紅外技術(shù);2004年05期

3 陳雁翔;戴蓓劏;周曦;李輝;;基于幀間相關(guān)特性和漢語音節(jié)組成規(guī)則的連接數(shù)字串的音節(jié)切分[J];模式識(shí)別與人工智能;2003年03期

4 張榮福;馬玲官;張軍;;基于幀間匹配均值與方差的視頻圖像隱藏算法[J];中國圖象圖形學(xué)報(bào);2010年11期

5 晁寧;李言俊;羅曉英;;基于幀間擾動(dòng)相關(guān)性的弱小目標(biāo)提取方法[J];計(jì)算機(jī)測(cè)量與控制;2009年08期

6 夏定元;周艷芬;;復(fù)雜度可伸縮的幀間模式選擇[J];計(jì)算機(jī)應(yīng)用;2010年03期

7 李超,熊璋,赫陽,劉玉恒;基于幀間差的區(qū)域光流分析及其應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2005年31期

8 滕國偉,張兆揚(yáng),張一鈞,張文軍;一種基于H.264/AVC的幀間模式快速判決算法[J];光電子·激光;2005年07期

9 杜振洲,周付根;基于幀間去相關(guān)的超光譜圖像壓縮方法[J];紅外與激光工程;2004年06期

10 葛成良;范國濱;黃志偉;劉志強(qiáng);李正東;吳劍濤;萬敏;胡曉陽;張衛(wèi);梁正;;對(duì)幀間差分算法的脈沖光干擾研究[J];激光與紅外;2007年03期

相關(guān)會(huì)議論文 前4條

1 李奇;徐之海;馮華君;;基于幀間圖像相關(guān)的太陽翼振動(dòng)測(cè)量[A];第九屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅰ[C];2011年

2 錢金法;趙力;;AVS-M幀間模式選取算法的研究和改進(jìn)[A];2008’促進(jìn)中西部發(fā)展聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2008年

3 方志軍;周源華;鄒道文;周軍;;基于DCT幀間變換的分級(jí)編碼研究[A];現(xiàn)代通信理論與信號(hào)處理進(jìn)展——2003年通信理論與信號(hào)處理年會(huì)論文集[C];2003年

4 歐智堅(jiān);王作英;;一種基于DDBHMM的利用幀間相關(guān)性的混合模型[A];第六屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];2001年

相關(guān)博士學(xué)位論文 前1條

1 朱炳強(qiáng);高清實(shí)時(shí)編碼器中幀間預(yù)測(cè)器的關(guān)鍵技術(shù)研究[D];清華大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 李章杰;步進(jìn)頻雷達(dá)低空環(huán)境感知與監(jiān)控軟件開發(fā)[D];西安電子科技大學(xué);2014年

2 彭磊;H.264幀間預(yù)測(cè)算法研究與設(shè)計(jì)實(shí)現(xiàn)[D];江南大學(xué);2016年

3 邵斌飛;HEVC幀間快速編碼算法的研究[D];電子科技大學(xué);2016年

4 李生龍;某雷達(dá)的雜波抑制及幀間相關(guān)處理技術(shù)研究[D];西安電子科技大學(xué);2015年

5 霍肖梅;新一代視頻編碼的幀間快速編碼算法[D];西安電子科技大學(xué);2016年

6 周艷芬;H.264/AVC中幀間模式選擇的復(fù)雜度可伸縮算法[D];武漢理工大學(xué);2010年

7 陳田密;H.264/AVC幀間編碼算法研究[D];西安電子科技大學(xué);2011年

8 代亮;H.264幀間算法的研究[D];貴州大學(xué);2006年

9 顏豪;內(nèi)窺鏡實(shí)時(shí)成像系統(tǒng)的幀間濾波技術(shù)[D];電子科技大學(xué);2011年

10 周皓鈞;幀間自適應(yīng)壓縮感知在視頻處理中的應(yīng)用與研究[D];華東交通大學(xué);2013年

，

本文編號(hào)：1859145