基于卷積神經(jīng)網(wǎng)絡(luò)的人體檢測方法研究.pdf

1、在計算機視覺領(lǐng)域中，人體檢測是一個重要的研究課題。人體檢測是指檢測出圖像中是否有人體目標的過程，其在人工智能、智能視頻監(jiān)控、智能車輛輔助、智能人機交互系統(tǒng)等現(xiàn)今的高科技領(lǐng)域中都有很高的應(yīng)用價值。本文采用了一種基于卷積神經(jīng)網(wǎng)絡(luò)的人體檢測方法。卷積神經(jīng)網(wǎng)絡(luò)是一種將深度學習理論結(jié)合到傳統(tǒng)神經(jīng)網(wǎng)絡(luò)中的新興模式識別方法。傳統(tǒng)人體檢測方法中，通常先人工提取特征，再將特征描述輸入到一個分類器中進行訓練學習。然而，人工提取特征的過程比較復(fù)雜，且依賴于具

2、體任務(wù)，故要求研究者具有較高的學術(shù)水平且經(jīng)驗豐富。卷積神經(jīng)網(wǎng)絡(luò)不需要事先對圖像人工提取特征，而是模擬人類的視覺神經(jīng)系統(tǒng)，直接對原始圖像進行逐層處理來進行識別。通過局部連接、權(quán)值共享和下采樣的方式，該方法使網(wǎng)絡(luò)中的參數(shù)大大減少，且對圖像一定程度的形變有較好的魯棒性。
　　本研究主要內(nèi)容包括：⑴在深入學習了卷積神經(jīng)網(wǎng)絡(luò)理論的基礎(chǔ)上，分析了卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和算法思想，并根據(jù)卷積核、網(wǎng)絡(luò)深度、特征維數(shù)等網(wǎng)絡(luò)參數(shù)的不同，設(shè)計了若干網(wǎng)絡(luò)模型

3、。⑵將INRIA數(shù)據(jù)庫作為訓練樣本，對上述網(wǎng)絡(luò)模型進行實驗，通過對比識別效果，分析上述相關(guān)參數(shù)對網(wǎng)絡(luò)的影響，并選出性能最佳的網(wǎng)絡(luò)模型，該網(wǎng)絡(luò)訓練10次開始收斂，識別率達到95.56％。⑶鑒于深度學習多使用大樣本集，基于小樣本集采用了一種改進的算法，引入隨機Dropout，將一部分的神經(jīng)節(jié)點隨機數(shù)置零，保持其權(quán)值不更新。對改進的模型在INRIA子集和自建樣本集上進行驗證。實驗證明，該方法可以在小樣本情況下提高人體的識別率，有效緩解過擬合現(xiàn)