本文選題：星型級聯檢測可形變部件模型 + 行人檢測��； 參考：《中國圖象圖形學報》2017年02期

【摘要】：目的行人檢測是計算機視覺和模式識別領域的研究熱點與難點,由于經典的可形變部件模型(DPM)檢測速度太慢,引入PCA降維的星型級聯檢測可形變部件模型(casDPM)相比較于DPM模型檢測速度雖然有了很大提升,但在應用于行人檢測時,出現檢測精度較低、平均對數漏檢率較高的情況,為了更加準確地對行人進行檢測,提出了一種改進casDPM模型的行人檢測方法。方法首先利用對象度量方法獲取目標候選區(qū)域,結合目標得分信息得到casDPM模型低分檢測區(qū)域的置信度,在設定的閾值上保留檢測窗口;然后針對casDPM模型原有非極大值抑制(Nms)算法只利用單一的面積信息,造成誤檢數較高的情況,提出了利用檢測窗口的得分信息進行改進;最后將兩種方法結合起來,提出了融合的cas-WNms-BING模型。結果采用本文方法在INRIA數據集上進行檢測,實驗結果表明該方法對于行人形變、背景特征復雜及遮擋現象具有較強的魯棒性,相比casDPM模型,本文提出的方法平均精度(AP)可以提高1.74%,平均對數漏檢率可以降低4.45%。結論提出一種改進星型級聯可形變部件模型,取得一定的研究成果,在復雜的背景下,能夠有效地進行行人檢測,主觀視覺感受和客觀實驗評價指標都表明該方法可以有效提升模型行人檢測效果。但是,星型級聯可形變部件模型訓練及檢測效率仍有待提高,需進一步對模型存在的一些局限性進行深入研究。
[Abstract]:Objective pedestrian detection is a hot and difficult point in the field of computer vision and pattern recognition, because the detection speed of the classical deformable component model (DPM) is too slow. Compared with DPM model, PCA reduced dimension star cascade detection model cascase DPMhas a higher detection speed than DPM model, but when it is applied to pedestrian detection, the detection accuracy is lower and the average logarithmic leakage rate is higher. In order to detect pedestrians more accurately, an improved casDPM model is proposed for pedestrian detection. Methods firstly, the target candidate region was obtained by using object metric method, and the confidence of low score detection area of casDPM model was obtained by combining target score information, and the detection window was retained on the set threshold. Then aiming at the case where the original non-maximum suppression (Nms) algorithm of casDPM model only uses a single area information, which results in a higher number of false detections, the paper proposes to improve the algorithm by using the score information of the detection window. Finally, the two methods are combined together. A fusion cas-WNms-BING model is proposed. Results the method is used to detect the data set of INRIA. The experimental results show that the method is robust to pedestrian deformation, complex background features and occlusion, compared with casDPM model. The average precision of the method presented in this paper can be increased by 1.74 and the average logarithmic leakage rate can be reduced by 4.45%. Conclusion an improved star cascade deformable component model is proposed, and some research results are obtained, which can effectively detect pedestrian in complex background. Both subjective visual perception and objective experimental evaluation index show that this method can effectively improve the pedestrian detection effect of the model. However, the training and detection efficiency of star cascade deformable components model needs to be improved, and some limitations of the model need to be further studied.
【作者單位】： 南京理工大學計算機科學與工程學院;蘇州吳江區(qū)公安局;公安部第三研究所;
【基金】：國家自然科學基金項目(61371168) 江蘇省科技支撐項目(BE2014646) 蘇州市科技支撐項目(SS201413)~~
【分類號】：TP391.41

【參考文獻】

相關期刊論文 前2條

1 陳金輝;葉西寧;;行人檢測中非極大值抑制算法的改進[J];華東理工大學學報(自然科學版);2015年03期

2 周晨卉;王生進;丁曉青;;基于局部特征級聯分類器和模板匹配的行人檢測[J];中國圖象圖形學報;2010年05期

【共引文獻】

相關期刊論文 前9條

1 韋皓瀚;曹國;金挺;王必勝;尚巖峰;;改進星型級聯可形變部件模型的行人檢測[J];中國圖象圖形學報;2017年02期

2 彭寶;孫韶媛;梁炳春;趙海濤;;基于感興趣區(qū)域特征融合的行人檢測方法研究[J];微型機與應用;2015年18期

3 歐陽瑞彬;王偉征;桂彥;;LDBP和LBP特征融合的行人檢測[J];計算機工程與應用;2016年12期

4 何博;全惠敏;;局部二次加權與多特征融合的行人檢測算法[J];計算機工程與應用;2016年09期

5 郭烈;葛平淑;趙一兵;趙宗艷;;基于人體典型部位特征組合的行人檢測方法[J];汽車工程;2014年04期

6 于立萍;唐煥玲;;基于分類一致性的遷移學習及其在行人檢測中的應用[J];山東大學學報(工學版);2013年04期

7 田仙仙;鮑泓;王波波;陽珊;;一種局部多特征融合的行人檢測算法[J];北京聯合大學學報;2013年03期

8 張璐;陳淑榮;;基于ROI區(qū)域強分辨力HOG特征的視頻行人檢測[J];微型機與應用;2013年07期

9 李權;趙勛杰;;城市快速路監(jiān)控視頻中的行人檢測方法[J];光電技術應用;2011年05期

【二級參考文獻】

相關期刊論文 前2條

1 張抒;解梅;;基于熱擴散理論的窗融合方法研究[J];電子科技大學學報;2014年02期

2 朱文佳;戚飛虎;;基于Gentle Adaboost的行人檢測[J];中國圖象圖形學報;2007年10期

【相似文獻】

相關期刊論文 前3條

1 張海軍;欒靜;李勇;齊向偉;;基于統(tǒng)計學習框架的中文新詞檢測方法[J];計算機科學;2012年02期

2 王懷宇;李景麗;;網絡海量數據中隱私泄露檢測方法仿真[J];計算機仿真;2014年06期

3 ;[J];;年期

相關博士學位論文 前4條

1 姜德迅;代碼壞味檢測方法研究及重構分析[D];哈爾濱工業(yè)大學;2014年

2 任少卿;基于特征共享的高效物體檢測[D];中國科學技術大學;2016年

3 郁繼鋒;基于數據挖掘的Web應用入侵異常檢測研究[D];華中科技大學;2011年

4 田春娜;復雜背景下多視角人臉檢測與識別[D];西安電子科技大學;2008年

相關碩士學位論文 前10條

1 胥小馬;使用多特征和多線索的駕駛員人臉檢測技術[D];北京理工大學;2015年

2 李先飛;基于外貌特征的行人檢測方法研究與軟件實現[D];電子科技大學;2014年

3 劉秋榮;面向代碼壞味檢測的閾值動態(tài)優(yōu)化方法[D];北京理工大學;2016年

4 成俊;基于人體部件的復雜場景行人檢測研究[D];南昌航空大學;2016年

5 溫天宇;基于特征選擇的托攻擊檢測研究[D];華僑大學;2016年

6 張宇;復雜環(huán)境下的行人檢測[D];電子科技大學;2016年

7 瞿志強;基于部件模型的復雜環(huán)境行人檢測技術研究[D];國防科學技術大學;2014年

8 肖柏旭;基于卷積網絡的人臉檢測的研究與實現[D];華北電力大學（河北）;2007年

9 向應;基于視頻的行人檢測與跟蹤技術研究[D];西南交通大學;2014年

10 崔立剛;災難現場人體頭部檢測方法研究[D];哈爾濱工程大學;2010年

，

本文編號：2046103