發(fā)布時(shí)間：2021-04-30 01:29

　　行人檢測(cè)是計(jì)算機(jī)視覺(jué)的重要組成部分之一,廣泛的應(yīng)用于智能駕駛,輔助駕駛和智能視頻監(jiān)控當(dāng)中。在我國(guó)的主要交通現(xiàn)狀是混合交通的背景下,場(chǎng)景中的行人存在多目標(biāo)、遮擋物和復(fù)雜背景的干擾問(wèn)題,傳統(tǒng)的行人檢測(cè)方法很難得到較好的檢測(cè)效果。針對(duì)這些問(wèn)題,本文將基于深度學(xué)習(xí)的行人檢測(cè)方法和這一特殊背景相結(jié)合,并從多個(gè)方面優(yōu)化檢測(cè)效果。針對(duì)篩選出的混合交通場(chǎng)景下的行人訓(xùn)練集,從淡化交通背景的影響和讓行人特征更加明顯兩個(gè)方面來(lái)降低網(wǎng)絡(luò)模型的訓(xùn)練難度。對(duì)訓(xùn)練集樣本數(shù)據(jù)進(jìn)行預(yù)處理,分別對(duì)訓(xùn)練集中的圖片做初始的校正和灰度級(jí)轉(zhuǎn)換,再對(duì)訓(xùn)練集中的圖片進(jìn)行圖像增強(qiáng)處理,來(lái)降低場(chǎng)景中的行人特征的提取難度和增強(qiáng)檢測(cè)網(wǎng)絡(luò)訓(xùn)練的效果。針對(duì)混合交通場(chǎng)景下的識(shí)別和檢測(cè),為達(dá)到在精確度和速度上的要求,本文構(gòu)建了以YOLOv3作為原型網(wǎng)絡(luò)的行人檢測(cè)網(wǎng)絡(luò)模型。為了達(dá)到更好的精確度,本文改進(jìn)了特征金字塔網(wǎng)絡(luò)（Feature Pyramid Network,FPN）中的多尺度特征融合方法。利用尺度轉(zhuǎn)換檢測(cè)網(wǎng)絡(luò)（Scale-Transferrable Object Detection,STDN）中的尺度轉(zhuǎn)換法替換FPN中插值上采樣的方法,設(shè)計(jì)... 

【文章來(lái)源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁(yè)數(shù)】：97 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 深度學(xué)習(xí)研究現(xiàn)狀
        1.2.2 行人檢測(cè)研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容和研究難點(diǎn)
    1.4 本文的組織結(jié)構(gòu)
2 相關(guān)技術(shù)及概念
    2.1 混合交通場(chǎng)景界定
    2.2 行人檢測(cè)相關(guān)概念
        2.2.1 行人特征
        2.2.2 行人檢測(cè)典型方法
    2.3 深度學(xué)習(xí)
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.2 目標(biāo)檢測(cè)網(wǎng)絡(luò)模型
    2.4 目標(biāo)檢測(cè)相關(guān)構(gòu)成
        2.4.1 候選框提取
        2.4.2 NMS(非極大值抑制)
        2.4.3 邊框回歸
3 混合交通場(chǎng)景下行人圖像預(yù)處理
    3.1 混合交通行人數(shù)據(jù)集篩選
        3.1.1 行人檢測(cè)公共數(shù)據(jù)集
        3.1.2 混合交通場(chǎng)景數(shù)據(jù)集篩選
    3.2 訓(xùn)練集樣本初始處理
        3.2.1 亮度校正
        3.2.2 灰度級(jí)變換
    3.3 訓(xùn)練集樣本圖像增強(qiáng)
        3.3.1 圖像增強(qiáng)處理
        3.3.2 濾波降噪處理
    3.4 本章小結(jié)
4 構(gòu)建多尺度特征融合的行人檢測(cè)網(wǎng)絡(luò)模型
    4.1 特征金字塔網(wǎng)絡(luò)(FPN)
    4.2 多尺度特征融合方法設(shè)計(jì)
        4.2.1 多尺度特征融合方式
        4.2.2 多尺度特征融合實(shí)現(xiàn)
    4.3 行人檢測(cè)算法網(wǎng)絡(luò)設(shè)計(jì)實(shí)現(xiàn)
        4.3.1 原型網(wǎng)絡(luò)的選擇
        4.3.2 行人檢測(cè)網(wǎng)絡(luò)的實(shí)現(xiàn)
    4.4 實(shí)驗(yàn)過(guò)程與檢測(cè)結(jié)果分析
        4.4.1 改進(jìn)后算法網(wǎng)絡(luò)實(shí)驗(yàn)分析
        4.4.2 混合交通場(chǎng)景行人檢測(cè)實(shí)驗(yàn)對(duì)比分析
    4.5 本章小結(jié)
5 混合交通場(chǎng)景下行人檢測(cè)實(shí)現(xiàn)
    5.1 訓(xùn)練集樣本不平衡處理
        5.1.1 訓(xùn)練集樣本不平衡問(wèn)題
        5.1.2 訓(xùn)練集樣本不平衡處理
    5.2 混合交通場(chǎng)景下行人檢測(cè)算法流程
    5.3 混合交通場(chǎng)景下行人檢測(cè)實(shí)現(xiàn)
        5.3.1 行人檢測(cè)訓(xùn)練樣本集處理
        5.3.2 網(wǎng)絡(luò)訓(xùn)練和檢測(cè)過(guò)程
        5.3.3 檢測(cè)結(jié)果分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 未來(lái)展望
參考文獻(xiàn)
致謝



本文編號(hào)：3168572