行人檢測(cè)是人工智能領(lǐng)域的技術(shù)基石,應(yīng)用前景廣闊。隨著深度學(xué)習(xí)的崛起,行人檢測(cè)技術(shù)領(lǐng)域出現(xiàn)了基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的檢測(cè)算法。目前行人檢測(cè)算法仍無(wú)法同時(shí)實(shí)現(xiàn)高性能和實(shí)時(shí)性的行人檢測(cè),行人尺寸多樣及背景復(fù)雜多變等諸多限制因素亟待解決�？勺兘箞�(chǎng)景視頻下基于CNN的行人檢測(cè)算法研究與實(shí)現(xiàn)對(duì)于行人檢測(cè)技術(shù)的進(jìn)一步完善有一定的參考價(jià)值。鑒于此背景,本論文研究可變焦場(chǎng)景視頻下基于CNN的行人檢測(cè)算法及其實(shí)現(xiàn)問(wèn)題,主要完成的工作及創(chuàng)新點(diǎn)有:(1)針對(duì)行人背景復(fù)雜多變及現(xiàn)有數(shù)據(jù)庫(kù)不能完全契合論文的行人檢測(cè)要求等問(wèn)題,設(shè)計(jì)選用星光網(wǎng)絡(luò)攝像頭完成可變焦視頻采集平臺(tái)搭建和多場(chǎng)景下行人視頻采集工作,利用Matlab設(shè)計(jì)并實(shí)現(xiàn)的標(biāo)注軟件進(jìn)行行人樣本標(biāo)注,在現(xiàn)有行人檢測(cè)數(shù)據(jù)庫(kù)的基礎(chǔ)上,進(jìn)行本地?cái)?shù)據(jù)庫(kù)構(gòu)建。實(shí)驗(yàn)結(jié)果表明,聯(lián)合數(shù)據(jù)庫(kù)在一定程度上解決了行人背景復(fù)雜多變的問(wèn)題,而且更有利于行人檢測(cè)算法的實(shí)現(xiàn)。(2)論文設(shè)計(jì)完成基于 CNN 的 SSD(Single Shot MultiBox Detector,SSD)行人檢測(cè)算法,并針對(duì)相應(yīng)問(wèn)題進(jìn)行了網(wǎng)絡(luò)改進(jìn)。... 

【文章來(lái)源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１行人分類(lèi)、定位及檢測(cè)的關(guān)系??Ｆｉｇｕｒｅ?１－１?Ｒｅｌａｔｉｏｎｓｈｉｐ?ｂｅｔｗｅｅｎ?ｐｅｄｅｓｔｒｉａｎ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ，?ｌｏｃａｔｉｏｎ?ａｎｄ?ｄｅｔｅｃｔｉｏｎ??

具有一個(gè)隱層的多層感知機(jī)，或者是具有一個(gè)隱層于人類(lèi)準(zhǔn)則的統(tǒng)計(jì)學(xué)習(xí)方式來(lái)完成較繁雜的訓(xùn)練，預(yù)測(cè)。淺層模型最根本任務(wù)是目標(biāo)分類(lèi)。常見(jiàn)的淺（Ｓｕｐｐｏｒｔ?Ｖｅｃｔｏｒ?Ｍａｃｈｉｎｅｓ，?ＳＶＭ）?［４５］、提升算法［４６］和列舉模型的隱層個(gè)數(shù)為一層或者零層，其在提出后學(xué)習(xí)相比需要很少的訓(xùn)練技巧，所以被迅速地應(yīng)用層學(xué)習(xí)對(duì)于需要多個(gè)隱層來(lái)解決的檢測(cè)問(wèn)題，如果邊緣特征層進(jìn)行目標(biāo)檢測(cè)時(shí)，需要反復(fù)地人工修改解決問(wèn)題，需要多次訓(xùn)練，才能完成目標(biāo)檢測(cè)。上不夠，因此需要深度學(xué)習(xí)來(lái)解決深度不夠問(wèn)題。??經(jīng)網(wǎng)絡(luò)的興起，深度學(xué)習(xí)概念被提出。深度學(xué)習(xí)屬度學(xué)習(xí)是神經(jīng)網(wǎng)絡(luò)中最重要的部分，它的基本構(gòu)成習(xí)包含人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)。機(jī)器學(xué)習(xí)、神經(jīng)２＿１中所示。從圖２－１中可以清晰地看到幾種方法在

一層提取到的特征用于下一層提取特征時(shí)的輸入；第三步全部訓(xùn)練完成后，從最??高層開(kāi)始改變學(xué)習(xí)方式，采用監(jiān)督學(xué)習(xí)方式從高到低進(jìn)行參數(shù)微調(diào)來(lái)生成模型。??深度學(xué)習(xí)訓(xùn)練流程如下圖２－２所示：??＜?自高到低監(jiān)督學(xué)習(xí)微調(diào)?＿??高非監(jiān)督學(xué)??圖２－２深度學(xué)習(xí)訓(xùn)練流程??Ｆｉｇｕｒｅ?２－２?Ｐｒｏｃｅｓｓ?ｏｆ?ｄｅｅｐ?ｌｅａｒｎｉｎｇ?ｔｒａｉｎｉｎｇ??深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)存在很多相同點(diǎn)和不同點(diǎn)，通過(guò)下圖??２－３深度學(xué)習(xí)模型和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型圖進(jìn)行對(duì)比分析。??＿??ａ）神經(jīng)網(wǎng)絡(luò)?ｂ）含多個(gè)隱層的深度學(xué)習(xí)網(wǎng)絡(luò)??ａ）?Ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｂ）?Ｄｅｅｐ?ｌｅａｒｎｉｎｇ?ｎｅｔｗｏｒｋ?ｗｉｔｈ?ｍｕｌｔｉｐｌｅ?ｈｉｄｄｅｎ?ｌａｙｅｒｓ??圖２－３神經(jīng)網(wǎng)絡(luò)模型和深度學(xué)習(xí)模型??Ｆｉｇｕｒｅ?２－３?Ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｍｏｄｅｌ?ａｎｄ?ｄｅｅｐ?ｌｅａｒｎｉｎｇ?ｍｏｄｅｌ??由上圖２－３可以看出，深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)和傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)相同點(diǎn)是：兩??者都是具有輸入層、隱層和輸出層多層網(wǎng)絡(luò)的分層結(jié)構(gòu)，權(quán)重連接只在相鄰層的??層與層之間，同一層或者跨層之間不存在權(quán)重連接。深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)和傳統(tǒng)神??經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)不同點(diǎn)是：傳統(tǒng)神經(jīng)網(wǎng)絡(luò)層數(shù)一般為兩層或者三層。受層數(shù)少的限制

【參考文獻(xiàn)】：
碩士論文
[1]基于SSD的行人檢測(cè)與跟蹤方法研究[D]. 李海翔.中國(guó)科學(xué)技術(shù)大學(xué) 2018
[2]深度學(xué)習(xí)在行人檢測(cè)中的研究與應(yīng)用[D]. 李蹊.北京郵電大學(xué) 2017



本文編號(hào)：2932446