基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)方法研究.pdf

1、計(jì)算機(jī)視覺(jué)是一門研究如何讓計(jì)算機(jī)模擬生物的大腦去感知視覺(jué)信息的學(xué)科。目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域里面的基本任務(wù)之一，目的是為了在靜態(tài)圖像或視頻幀中判斷是否存在待檢測(cè)的目標(biāo)，如果存在還需要將其所在的位置標(biāo)記出來(lái)。行人檢測(cè)是目標(biāo)檢測(cè)里面一個(gè)特定的研究課題。人作為非剛性的物體，在圖像中可能以不同外形和姿態(tài)存在，再加上復(fù)雜的背景、光照變化和遮擋等因素的干擾，人體目標(biāo)的檢測(cè)就變得十分困難。但是，對(duì)人體目標(biāo)的檢測(cè)具有十分廣泛的應(yīng)用前景。通過(guò)在圖像中檢測(cè)

2、出行人，能夠接著對(duì)其進(jìn)行行人跟蹤、行人識(shí)別和行人行為分析的研究工作。另外，行人檢測(cè)技術(shù)在視頻監(jiān)控系統(tǒng)、智能交通系統(tǒng)等領(lǐng)域潛還藏著巨大的商業(yè)價(jià)值。由于這些原因?qū)е铝诵腥藱z測(cè)成為目標(biāo)檢測(cè)里面的熱點(diǎn)研究課題。
　　行人檢測(cè)的過(guò)程分為候選窗口生成、特征提取和分類器分類三個(gè)主要的部分。其中，傳統(tǒng)檢測(cè)方法使用的是滑動(dòng)窗口法來(lái)生成候選窗口。該方法使用窮舉的策略，通過(guò)設(shè)置不同尺寸和長(zhǎng)寬比來(lái)對(duì)整幅圖像進(jìn)行遍歷。盡管這種方法能夠窮舉出目標(biāo)可能出現(xiàn)的所

3、有位置，但是由于產(chǎn)生的冗余窗口數(shù)量過(guò)多嚴(yán)重的影響了檢測(cè)速度。在特征提取環(huán)節(jié)，傳統(tǒng)方法使用人工設(shè)計(jì)特征來(lái)提取特征向量。常用的行人描述符有 HOG特征、Haar特征和LBP特征等。人工特征的設(shè)計(jì)需要依靠專業(yè)領(lǐng)域中豐富的先驗(yàn)知識(shí)，才能從訓(xùn)練數(shù)據(jù)中抽取出有用的特征。為解決以上問(wèn)題，本文考慮了視頻圖像里的上下文信息，通過(guò)前景檢測(cè)來(lái)生成候選窗口，再結(jié)合深度卷積神經(jīng)網(wǎng)絡(luò)模型自動(dòng)地學(xué)習(xí)和提取人體特征，最終提出一種面向視頻圖像的行人檢測(cè)方法。本文主要完成

4、的研究工作具體如下：
　　(1)針對(duì)傳統(tǒng)方法生成候選窗口時(shí)，冗余窗口過(guò)多且質(zhì)量不高的問(wèn)題。本文對(duì)視頻圖像序列進(jìn)行背景建模，利用前景檢測(cè)劃分出背景區(qū)域和前景區(qū)域，接著對(duì)前景圖像進(jìn)行形態(tài)學(xué)處理，通過(guò)腐蝕操作消除噪聲點(diǎn)，膨脹操作聯(lián)通相鄰區(qū)域成為一個(gè)整體。最后，利用輪廓查找定位出所有運(yùn)動(dòng)目標(biāo)的輪廓，并計(jì)算每一個(gè)輪廓的最小外接矩形構(gòu)成候選窗口集合。該方法利用視頻圖像中的上下文信息過(guò)濾掉大量無(wú)關(guān)的背景區(qū)域從而縮小了整幅圖像中需要搜索的范圍。<

5、br>　　(2)針對(duì)傳統(tǒng)方法中所采取的人工設(shè)計(jì)的特征無(wú)法充分有效描述行人目標(biāo)的問(wèn)題，本文選用深度卷積神經(jīng)網(wǎng)絡(luò)模型來(lái)自動(dòng)學(xué)習(xí)并提取人體特征。通過(guò)優(yōu)化網(wǎng)絡(luò)的模型結(jié)構(gòu)，增加全連接層神經(jīng)元的個(gè)數(shù)，劃分全連接層神經(jīng)元為兩個(gè)部分，分別與兩個(gè)卷積層提取到的特征圖相連，巧妙融合CNN學(xué)習(xí)到的淺層特征和深層特征，最終組成聯(lián)合特征向量來(lái)完成人體的檢測(cè)工作。
　　(3)基于上述研究，利用校園內(nèi)樓棟中的監(jiān)控?cái)z像頭拍攝到連續(xù)的視頻圖像作為檢測(cè)系統(tǒng)輸入源，再