深度卷積網(wǎng)絡(luò)是解決分類問題的一種有效手段,但行人檢測(cè)任務(wù)并不能通過分類來直接實(shí)現(xiàn).為了在行人檢測(cè)問題中進(jìn)一步發(fā)揮深度卷積網(wǎng)絡(luò)的優(yōu)越分類性能,在實(shí)拍場(chǎng)景下,針對(duì)平直道路的情況,提出了一種基于攝像機(jī)安裝位置和攝像機(jī)參數(shù)的感興趣區(qū)域分割方法,合理利用先驗(yàn)知識(shí)和規(guī)則,對(duì)行人在圖像當(dāng)中可能出現(xiàn)的位置,以及不同位置上行人的尺度大小給出限制,從而系統(tǒng)僅對(duì)可能發(fā)生危險(xiǎn)的區(qū)域進(jìn)行搜索,避免了傳統(tǒng)方法中多尺度遍歷搜索整副圖像的弊端.在此基礎(chǔ)上,將危險(xiǎn)區(qū)域所得的候選目標(biāo)窗口作為待檢測(cè)樣本傳送到構(gòu)建好的深度卷積網(wǎng)絡(luò)中進(jìn)行分類,完成行人檢測(cè)任務(wù).實(shí)驗(yàn)結(jié)果表明,所研究的算法在一定距離內(nèi)達(dá)到了預(yù)期的檢測(cè)效果. 

【文章來源】：河北師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,44(02)

【文章頁數(shù)】：6 頁

【部分圖文】：

LeNet-5系統(tǒng)

圖2為道路的實(shí)拍照片,來源于百度實(shí)景地圖.其中紅色框內(nèi)區(qū)域是依據(jù)知識(shí)和經(jīng)驗(yàn)所定義的高危險(xiǎn)區(qū)域,黃色框內(nèi)區(qū)域是所定義的次危險(xiǎn)區(qū)域,其他區(qū)域被認(rèn)為是安全區(qū)域,包括圖像右側(cè)的隔離帶、非機(jī)動(dòng)車道和人行道、圖像左側(cè)的對(duì)面車道、非機(jī)動(dòng)車道和人行道,以及圖像上半部分的天空、樹木和房屋區(qū)域.值得注意的是,圖像左側(cè)人行道中有一個(gè)撐著傘的行人,根據(jù)上述定義,該行人處于安全區(qū)域;聯(lián)想到實(shí)際駕駛時(shí)的場(chǎng)景,該行人很難與所駕車輛產(chǎn)生碰撞,輔助駕駛系統(tǒng)能否檢測(cè)到該位置的行人對(duì)駕駛安全幾乎沒有影響,而駕駛?cè)嗽隈{駛時(shí)即便發(fā)現(xiàn)此處的行人也會(huì)選擇忽略.由此可以證明,所提出的危險(xiǎn)區(qū)域具有合理性.圖2中,道路的分道線清晰可見,但是在很多情況下道路的分道線并不明顯,為了在沒有道路標(biāo)志線的情況下準(zhǔn)確獲取所定義的高危險(xiǎn)區(qū)域和次危險(xiǎn)區(qū)域,提出了以下2點(diǎn)假設(shè):

3.1 危險(xiǎn)區(qū)域選擇考慮到直接在公路上做實(shí)驗(yàn)存在較大的風(fēng)險(xiǎn),同時(shí)也是違法行為,將實(shí)驗(yàn)場(chǎng)地遷移到了學(xué)校的運(yùn)動(dòng)場(chǎng)上.圖3給出了學(xué)校運(yùn)動(dòng)場(chǎng)上實(shí)拍的景象,紅色區(qū)域?yàn)樗x的高危險(xiǎn)區(qū)域,黃色區(qū)域?yàn)榇挝ｋU(xiǎn)區(qū)域.卷積神經(jīng)網(wǎng)絡(luò)只檢測(cè)是否有行人進(jìn)入了危險(xiǎn)區(qū)域,對(duì)于圖像中的其他位置選擇忽略,以提高檢測(cè)速度.攝像機(jī)位于跑道的起點(diǎn)處,拍攝視角與地面平行,到地面的垂直距離為1 m,這是考慮到不同車輛攝像頭安裝位置不同,有的安裝在車內(nèi)的擋風(fēng)玻璃上,有的安裝在車前臉的進(jìn)氣柵處,其高度范圍大致是0.6～1.4 m,本研究選取了比較折中的數(shù)值.

【參考文獻(xiàn)】：
期刊論文
[1]Faster R-CNN行人檢測(cè)與再識(shí)別為一體的行人檢索算法[J]. 陳恩加,唐向宏,傅博文.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2019(02)
[2]基于Faster R-CNN的手勢(shì)識(shí)別算法[J]. 吳曉鳳,張江鑫,徐欣晨.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2018(03)
[3]基于SVM模型的單目紅外圖像深度估計(jì)[J]. 席林,孫韶媛,李琳娜,鄒芳喻.  激光與紅外. 2012(11)



本文編號(hào)：3088020