發(fā)布時間：2017-10-17 09:40

  本文關(guān)鍵詞：基于深度學(xué)習(xí)的目標(biāo)檢測算法研究及應(yīng)用

  更多相關(guān)文章： 目標(biāo)檢測 行人檢測 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò)

【摘要】：目標(biāo)檢測是計算機視覺領(lǐng)域中一個富有挑戰(zhàn)性的課題,其主要目的是從靜態(tài)圖片或視頻中檢測并定位特定的目標(biāo)。它綜合運用了圖像處理、模式識別、人工智能和自動控制等技術(shù),在道路交通事故預(yù)防、工廠可疑危險品警告、軍事禁區(qū)監(jiān)控、高級人機交互等方面有著廣泛的應(yīng)用。由于目標(biāo)所處環(huán)境復(fù)雜多變,目前還沒有一種比較通用成熟的檢測方法,在實際應(yīng)用中目標(biāo)檢測算法研究的機遇與挑戰(zhàn)并存。本論文首先分析了國內(nèi)外目標(biāo)檢測算法的研究現(xiàn)狀,著重介紹了當(dāng)前應(yīng)用較為廣泛的方法,使用目標(biāo)特征訓(xùn)練分類器進行目標(biāo)分類檢測。針對使用現(xiàn)有特征訓(xùn)練的分類器進行目標(biāo)分類檢測時存在誤檢率較高的缺點,本文在深度學(xué)習(xí)的基礎(chǔ)上提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的行人目標(biāo)檢測算法。為了解決直接使用卷積神經(jīng)網(wǎng)絡(luò)進行滑動窗口檢測效率較低的問題,本文將算法分為兩大步驟:(1)疑似存在行人窗口確認;(2)行人檢測。在疑似存在行人窗口確認中,本文使用融合特征作為行人的描述特征訓(xùn)練分類器,采用了鄰近尺度特征值相似的思想構(gòu)建分類器金字塔,在待檢圖像上利用不同尺度的滑動窗口進行滑動遍歷確定疑是存在行人窗口;在行人檢測中,使用大量正負樣本訓(xùn)練了一個卷積神經(jīng)網(wǎng)絡(luò),為了更好的適應(yīng)行人檢測,將該卷積神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)進行改進。將疑似存在行人的窗口輸入改進后的卷積神經(jīng)網(wǎng)絡(luò)進行行人檢測,在保持原有的檢測率的基礎(chǔ)下降低了誤檢率。為了驗證本文所提出算法的準確性,在INRIA行人數(shù)據(jù)庫進行行人檢測實驗。分別以每個窗口和每幅圖像為檢測單位,統(tǒng)計本文算法的檢測率和誤檢率,在平均每幅圖像存在一個誤檢窗口的標(biāo)準下,達到了93%的檢測率。檢測率比使用ACF特征訓(xùn)練的檢測器高三個百分點,檢測速度比單獨使用卷積神經(jīng)網(wǎng)絡(luò)檢測提升四倍以上。實驗結(jié)果證明了本文算法的有效性。
【關(guān)鍵詞】：目標(biāo)檢測 行人檢測 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-15
• 1.1 研究背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.3 本文主要內(nèi)容及結(jié)構(gòu)安排13-15
• 第二章 相關(guān)基礎(chǔ)知識15-37
• 2.1 行人目標(biāo)檢測算法原理15-18
• 2.1.1 基于模板匹配的檢測算法15-16
• 2.1.2 基于分類的行人檢測算法16-18
• 2.2 典型的人體特征18-24
• 2.2.1 HAAR-LIKE特征18-19
• 2.2.2 HOG特征19-21
• 2.2.3 SIFT特征21-24
• 2.3 典型分類器24-29
• 2.3.1 支持向量機算法24-27
• 2.3.2 ADABOOST算法27-29
• 2.4 深度學(xué)習(xí)29-36
• 2.4.1 深度學(xué)習(xí)概述29-30
• 2.4.2 典型的深度學(xué)習(xí)結(jié)構(gòu)30-36
• 2.5 本章小結(jié)36-37
• 第三章 基于融合特征的疑是行人窗口確認37-52
• 3.1 提取融合特征37-43
• 3.2 分類器訓(xùn)練43-47
• 3.2.1 訓(xùn)練標(biāo)準尺度級聯(lián)分類器43-47
• 3.2.2 快速構(gòu)建鄰近尺度分類器47
• 3.3 滑動窗口檢測47-51
• 3.4 本章小結(jié)51-52
• 第四章 基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測52-62
• 4.1 本文所使用的卷積神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)52-53
• 4.2 訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)53-58
• 4.3 卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)調(diào)節(jié)58-60
• 4.4 行人目標(biāo)檢測過程60-61
• 4.5 本章小結(jié)61-62
• 第五章 實驗結(jié)果及性能分析62-69
• 5.1 實驗結(jié)果說明及對比62-68
• 5.1.1 行人檢測評價標(biāo)準62-63
• 5.1.2 實驗過程63
• 5.1.3 實驗結(jié)果與分析63-67
• 5.1.4 性能比較67-68
• 5.2 本章小結(jié)68-69
• 第六章 總結(jié)與展望69-70
• 6.1 論文總結(jié)69
• 6.2 進一步研究工作69-70
• 致謝70-71
• 參考文獻71-75
• 攻讀碩士學(xué)位期間取得的成果75-76

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張桂林，，熊艷，曹偉，李強;一種評價自動目標(biāo)檢測算法性能的方法[J];華中理工大學(xué)學(xué)報(社會科學(xué)版);1994年05期

2 秦劍;陳錢;錢惟賢;;基于背景分類的弱小目標(biāo)檢測算法[J];光電工程;2011年01期

3 蔣建國;吳暉;齊美彬;張莉;;攝像機旋轉(zhuǎn)運動下的快速目標(biāo)檢測算法[J];圖學(xué)學(xué)報;2012年03期

4 逯鵬;張姍姍;劉馳;黃石磊;湯玉合;;基于稀疏超完備表示的目標(biāo)檢測算法[J];儀器儀表學(xué)報;2013年06期

5 李大輝;金濤;;弱小目標(biāo)檢測算法的設(shè)計與分析[J];中國科技信息;2013年16期

6 張明艷;許鋼;孟櫻;;基于時空特性的運動目標(biāo)檢測算法研究[J];安徽工程大學(xué)學(xué)報;2013年04期

7 徐振海,王雪松,肖順平,莊釗文;基于模糊融合的目標(biāo)檢測算法研究[J];國防科技大學(xué)學(xué)報;2000年04期

8 李維雅,董能力,金鋼,李正周;弱小目標(biāo)檢測算法性能評價的回歸分析方法[J];光電工程;2005年02期

9 高陳強;田金文;王鵬;;基于時域特性分析的紅外運動小目標(biāo)檢測算法[J];紅外與激光工程;2008年05期

10 曾脈;左志宏;常曉夫;何煊;;一種準確而快速的運動目標(biāo)檢測算法[J];成都信息工程學(xué)院學(xué)報;2008年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 高飛;蔣建國;安紅新;齊美彬;;一種快速運動目標(biāo)檢測算法[A];全國第22屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議(CACIS·2011)暨全國第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會議論文摘要集[C];2011年

2 孫瑾秋;張艷寧;姜磊;王敏;;基于變換域特征的星空背景弱小目標(biāo)檢測算法[A];第八屆全國信號與信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2009年

3 鄧宇;陳孝威;;綜合利用時空信息的運動目標(biāo)檢測算法[A];第二屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議(HHME2006)——第15屆中國多媒體學(xué)術(shù)會議(NCMT'06)論文集[C];2006年

4 袁輝;孫卓;李德民;魏穎;;基于小波多尺度互能量交叉融合濾波的弱小目標(biāo)檢測算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

5 顧靜良;萬敏;張衛(wèi);鄭捷;;低對比度弱小目標(biāo)檢測算法[A];中國工程物理研究院科技年報（2005）[C];2005年

6 黃龔;鄭錦;劉養(yǎng)科;;攝像機水平巡掃時的運動目標(biāo)檢測算法[A];第六屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

7 張國華;;一種基于導(dǎo)引頭穩(wěn)定平臺結(jié)構(gòu)的目標(biāo)檢測算法[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

8 王正;劉瑞華;;基于PTZ攝像機的運動目標(biāo)檢測算法[A];全國第一屆嵌入式技術(shù)聯(lián)合學(xué)術(shù)會議論文集[C];2006年

9 王彪;王成儒;王芬芬;;一種改進的運動目標(biāo)檢測算法[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

10 劉琳;顧國華;錢惟賢;陳錢;徐富元;;目標(biāo)檢測算法的研究以及SRIO協(xié)議在目標(biāo)檢測的應(yīng)用[A];第八屆華東三省一市真空學(xué)術(shù)交流會論文集[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 王海豐;基于機器視覺的剖竹機加工目標(biāo)檢測算法研究[D];東北林業(yè)大學(xué);2015年

2 王俊強;圖像中人體目標(biāo)檢測算法研究[D];北京郵電大學(xué);2012年

3 郭明瑋;基于視覺記憶的目標(biāo)檢測算法：一個特征學(xué)習(xí)與特征聯(lián)想的過程[D];中國科學(xué)技術(shù)大學(xué);2014年

4 臧風(fēng)妮;智能視頻監(jiān)控中海面艦船目標(biāo)檢測算法研究[D];中國海洋大學(xué);2014年

5 陳偉;基于PSO的復(fù)雜工業(yè)環(huán)境視覺目標(biāo)檢測算法應(yīng)用研究[D];武漢科技大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉恒建;基于FPGA+DSP的運動目標(biāo)檢測系統(tǒng)的設(shè)計與實現(xiàn)[D];南京理工大學(xué);2015年

2 賈建英;視頻序列中運動目標(biāo)檢測算法研究[D];長安大學(xué);2015年

3 周亞運;基于TMS320DM642平臺的紅外運動目標(biāo)檢測算法設(shè)計[D];南京理工大學(xué);2015年

4 姚丹;基于多光譜信息融合的弱小運動目標(biāo)檢測技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

5 劉培培;基于區(qū)域特征的運動目標(biāo)檢測算法的研究與開發(fā)[D];廣西大學(xué);2015年

6 崔璇;天空背景下紅外小目標(biāo)檢測算法研究[D];陜西師范大學(xué);2015年

7 范肖肖;基于視覺注意機制的目標(biāo)檢測算法的研究[D];電子科技大學(xué);2015年

8 丁嬋;運動目標(biāo)檢測算法在嵌入式平臺的研究[D];電子科技大學(xué);2015年

9 張冠雄;基于標(biāo)簽傳播的顯著性目標(biāo)檢測算法研究[D];大連理工大學(xué);2015年

10 李建波;視頻監(jiān)控中運動目標(biāo)檢測算法的研究[D];哈爾濱工業(yè)大學(xué);2014年

本文編號：1048116