由于計(jì)算機(jī)視覺的不斷發(fā)展與進(jìn)步,行人檢測(cè)也被賦予了廣泛的應(yīng)用。目前行人檢測(cè)主要涉及的領(lǐng)域有客流量監(jiān)控,智能輔助駕駛,智能機(jī)器人等。隨著研究者們的進(jìn)一步深入研究,行人檢測(cè)取得了很大的進(jìn)展,但是在實(shí)際場(chǎng)景的行人檢測(cè)過(guò)程中存在許多的影響因素,比如采集數(shù)據(jù)的攝像頭的特殊性(魚眼攝像頭、全景攝像頭)、燈光的影響(自然光照與人工燈光)、物體與行人的遮擋、行人的多尺度等,給行人識(shí)別帶來(lái)了嚴(yán)峻的挑戰(zhàn)。本文主要圍繞魚眼圖像的行人檢測(cè)與行人的多尺度問(wèn)題展開了深入的研究,主要工作與創(chuàng)新點(diǎn)如下:(1)在智能視頻監(jiān)控領(lǐng)域,行人檢測(cè)已經(jīng)成為一個(gè)具有研究意義的課題。魚眼鏡頭是一種有效的視頻監(jiān)控工具,它的顯著特點(diǎn)是視場(chǎng)角范圍大。但是由于魚眼鏡頭特殊的成像原理,導(dǎo)致魚眼圖像的邊緣存在嚴(yán)重的失真,所以對(duì)魚眼圖像的行人檢測(cè)技術(shù)提出了更高的要求和挑戰(zhàn)。針對(duì)魚眼圖像邊緣畸變的問(wèn)題,本文提出了一種有效的旋轉(zhuǎn)切割方法處理訓(xùn)練與測(cè)試數(shù)據(jù),該方法根據(jù)特定的切割點(diǎn)與旋轉(zhuǎn)角度將魚眼圖像分為邊緣圖像與中心圖像。行人在魚眼圖像中心部分大多是基于頭肩成像,邊緣部分大多分布的是行人的姿態(tài)與輪廓。分別采用傳統(tǒng)的行人檢測(cè)算法HOG+SVM與深度學(xué)習(xí)的目標(biāo)檢測(cè)算法(SSD、YOLOv3以及Faster R-CNN)驗(yàn)證切割方法的可行性與有效性,實(shí)驗(yàn)結(jié)果表明了本文提出的旋轉(zhuǎn)切割方法有效地改善了基于魚眼圖像的行人檢測(cè)效果。(2)行人檢測(cè)技術(shù)如今已經(jīng)被廣泛地應(yīng)用在實(shí)際的場(chǎng)景中,但是不管是對(duì)普通圖像還是魚眼圖像,往往都會(huì)因?yàn)閿z像頭的焦距、行人與攝像頭之間的距離以及行人的身高體型等因素導(dǎo)致行人在同一照片或者視頻中出現(xiàn)不同的尺度。針對(duì)行人的多尺度問(wèn)題,本文提出了一種基于改進(jìn)YOLOv3的多尺度行人檢測(cè)算法,該算法通過(guò)使用K-Means聚類算法有針對(duì)性地修改YOLOv3中原始的anchor box的尺寸來(lái)匹配多尺度的行人,并在不同尺度的特征圖中使用合適的anchor box進(jìn)行行人檢測(cè)。為了驗(yàn)證該算法的可行性與有效性,本文在INRIA數(shù)據(jù)集和USC數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明了改進(jìn)后的YOLOv3算法在檢測(cè)性能上明顯優(yōu)于原始的YOLOv3,在數(shù)據(jù)集INRIA和USC上,平均精確率比原始的YOLOv3算法分別提升了7.14%、6.82%。
【學(xué)位單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;TP18
【部分圖文】：

智能機(jī)器人（2）車輛輔助駕駛

車輛輔助駕駛（）智能客流監(jiān)控

旅游景點(diǎn)客流監(jiān)控
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 歐陽(yáng)普仁,楊叔子;一種改進(jìn)的Marple算法[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年01期

2 黃小蓓;隆永紅;;分布式數(shù)據(jù)庫(kù)管理系統(tǒng)中的並發(fā)控制——算法及其性能分析[J];計(jì)算技術(shù)與自動(dòng)化;1988年02期

3 馮成進(jìn);;0—1規(guī)劃新算法的改進(jìn)[J];曲阜師范大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年02期

4 曾秀;魏振華;;猴群算法及其改進(jìn)綜述[J];電腦知識(shí)與技術(shù);2017年32期

5 許燦英;;算法合謀反競(jìng)爭(zhēng)問(wèn)題初探[J];合肥工業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2019年02期

6 段艷明;肖輝輝;林芳;;新授粉方式的花授粉算法[J];計(jì)算機(jī)工程與應(yīng)用;2018年23期

7 肖海軍;王芬艷;盧常景;曹穎;;一種有效的多峰優(yōu)化鳥群算法[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2018年04期

8 覃遠(yuǎn)年;梁仲華;;蟻群算法研究與應(yīng)用的新進(jìn)展[J];計(jì)算機(jī)工程與科學(xué);2019年01期

9 肖輝輝;段艷明;林芳;;新搜索策略的花授粉算法[J];電子測(cè)量與儀器學(xué)報(bào);2019年07期

10 梁昔明;高超;龍文;;基于速度越界處理與高斯擾動(dòng)的改進(jìn)蝙蝠算法[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2019年19期

相關(guān)博士學(xué)位論文 前10條

1 周凌云;幾種典型群智能算法及其更新機(jī)制研究[D];武漢大學(xué);2018年

2 張代雨;多學(xué)科優(yōu)化算法及其在水下航行器中的應(yīng)用[D];西北工業(yè)大學(xué);2017年

3 鐘林峰;復(fù)雜網(wǎng)絡(luò)中關(guān)鍵節(jié)點(diǎn)的挖掘算法研究[D];電子科技大學(xué);2018年

4 邱實(shí);多光譜衛(wèi)星遙感影像云及云陰影精準(zhǔn)檢測(cè)算法研究[D];電子科技大學(xué);2018年

5 孫寧;人工免疫優(yōu)化算法及其應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2006年

6 陸楠;關(guān)聯(lián)規(guī)則的挖掘及其算法的研究[D];吉林大學(xué);2007年

7 胡銦;基于單目視覺的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究[D];南京理工大學(xué);2008年

8 王玨;生物地理學(xué)優(yōu)化算法的研究及應(yīng)用[D];哈爾濱工程大學(xué);2013年

9 黃松;面向多應(yīng)用場(chǎng)景的粒子群優(yōu)化算法研究[D];江南大學(xué);2017年

10 安琦;信號(hào)偵收中的識(shí)別與分類理論與算法研究[D];電子科技大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 王維;基于改進(jìn)A~*算法的移動(dòng)機(jī)器人路徑規(guī)劃的研究[D];西北師范大學(xué);2019年

2 程磊生;人工蜂群算法的改進(jìn)及其在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用[D];武漢大學(xué);2017年

3 龍軍;面向大數(shù)據(jù)并行極限學(xué)習(xí)機(jī)算法的優(yōu)化[D];湖南大學(xué);2018年

4 周久芳;基于免疫多種群的螢火蟲算法及其應(yīng)用[D];湖南大學(xué);2019年

5 孔真真;基于深度學(xué)習(xí)的行人檢測(cè)算法研究[D];湖南大學(xué);2019年

6 唐嘉誠(chéng);改進(jìn)人工蜂群算法在柔性作業(yè)車間調(diào)度問(wèn)題上的應(yīng)用[D];上海交通大學(xué);2018年

7 王柯力;混合蟻群算法的改進(jìn)及其在車輛路徑調(diào)度中的應(yīng)用研究[D];重慶郵電大學(xué);2018年

8 高佳麗;基于交通視頻的目標(biāo)檢測(cè)與跟蹤算法研究[D];長(zhǎng)安大學(xué);2019年

9 程小洪;基于改進(jìn)果蠅優(yōu)化算法的汽車飾件焊接路徑規(guī)劃[D];華南理工大學(xué);2019年

10 陳晨;面向林業(yè)小班的坡度、坡向及坡位提取算法研究[D];浙江農(nóng)林大學(xué);2019年

本文編號(hào)：2888743