近年來(lái),隨著智能視頻監(jiān)控、智能交通、車(chē)輛輔助駕駛系統(tǒng)以及智能機(jī)器人等領(lǐng)域的快速興起,越來(lái)越多的任務(wù)需要利用計(jì)算機(jī)視覺(jué)技術(shù)輔助完成。行人檢測(cè)和行人重識(shí)別作為計(jì)算機(jī)視覺(jué)的熱門(mén)研究方向,受到了相關(guān)領(lǐng)域研究人員的廣泛關(guān)注,近年也得到了快速發(fā)展。但是,由于實(shí)際應(yīng)用場(chǎng)景中監(jiān)控環(huán)境的復(fù)雜性、行人姿態(tài)的多變性以及行人遮擋問(wèn)題的普遍存在性,面向復(fù)雜場(chǎng)景的行人檢測(cè)和行人重識(shí)別還存在諸多挑戰(zhàn)和難點(diǎn)。首先,考慮到復(fù)雜場(chǎng)景中行人分辨率較低、不同行人之間尺度差異較大以及行人遮擋嚴(yán)重等問(wèn)題,本文在Faster R-CNN行人檢測(cè)算法的基礎(chǔ)上,利用Precise RoI Pooling和多尺度感受野網(wǎng)絡(luò)對(duì)算法進(jìn)行改進(jìn),一方面增加了網(wǎng)絡(luò)特征感受野尺度的多樣性,另一方面提高了感興趣區(qū)域池化提取到的特征準(zhǔn)確性。改進(jìn)后的算法對(duì)復(fù)雜場(chǎng)景中的行人檢測(cè)有更好的適應(yīng)能力。其次,本文提出基于Faster R-CNN的雙通道網(wǎng)絡(luò)模型。針對(duì)弱光環(huán)境中的行人檢測(cè),熱度圖像相較于RGB圖像具有更多信息,本文通過(guò)雙通道網(wǎng)絡(luò)設(shè)計(jì)實(shí)現(xiàn)了RGB圖像和熱度圖像特征的融合,利用特征融合技術(shù)使兩類(lèi)特征之間的信息可以相互補(bǔ)充,增加了行人特征的多樣性。改進(jìn)后的... 

【文章來(lái)源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

行人檢測(cè)任務(wù)示意圖

圖 1-2 行人重識(shí)別任務(wù)示意圖圖 1-3 行人重識(shí)別的 Siamese 模型結(jié)構(gòu)[11] 國(guó)內(nèi)外研究現(xiàn)狀最近幾年，行人檢測(cè)及重識(shí)別的研究論文大量出現(xiàn)在計(jì)算機(jī)視覺(jué)相關(guān)的期刊、會(huì)，經(jīng)歷了從萌芽階段到當(dāng)前研究快速發(fā)展的過(guò)程。

圖 1-3 行人重識(shí)別的 Siamese 模型結(jié)構(gòu)[11] 國(guó)內(nèi)外研究現(xiàn)狀最近幾年，行人檢測(cè)及重識(shí)別的研究論文大量出現(xiàn)在計(jì)算機(jī)視覺(jué)相關(guān)的期刊、會(huì)，經(jīng)歷了從萌芽階段到當(dāng)前研究快速發(fā)展的過(guò)程。.1 行人檢測(cè)1. 基于人工設(shè)計(jì)特征的行人檢測(cè)2003 年，Viola 和 Jones 將 VJ 檢測(cè)器[12]用于行人檢測(cè)。但是 VJ 檢測(cè)器一開(kāi)始并不來(lái)做行人檢測(cè)而是用來(lái)做人臉檢測(cè)的，研究者們?yōu)榱思涌鞕z測(cè)速度，在 VJ 檢測(cè)器到了積分圖進(jìn)行特征提取，并且取得了較好的檢測(cè)效果，達(dá)到了 80%的檢測(cè)精度5 年，Dalar 等人[13]將 HOG(Histograms of Oriented Gradients)特征描述子和 SVM[14port Vector Machine)用于行人檢測(cè)，作者主要利用了圖像上目標(biāo)的邊緣輪廓信息變

【參考文獻(xiàn)】：
期刊論文
[1]基于多特征子空間與核學(xué)習(xí)的行人再識(shí)別[J]. 齊美彬,檀勝順,王運(yùn)俠,劉皓,蔣建國(guó).  自動(dòng)化學(xué)報(bào). 2016(02)



本文編號(hào)：3390977