期刊文献+
共找到302篇文章
< 1 2 16 >
每页显示 20 50 100
基于深度卷积神经网络的行人检测 被引量:73
1
作者 芮挺 费建超 +2 位作者 周遊 方虎生 朱经纬 《计算机工程与应用》 CSCD 北大核心 2016年第13期162-166,共5页
行人检测一直是目标检测研究与应用中的热点。目前行人检测主要通过设计有效的特征提取方法建立对行人特征的描述,然后利用分类器实现二分类。卷积神经网络作为深度学习的重要组成,在图像、语音等领域得到了成功应用。针对人工设计的特... 行人检测一直是目标检测研究与应用中的热点。目前行人检测主要通过设计有效的特征提取方法建立对行人特征的描述,然后利用分类器实现二分类。卷积神经网络作为深度学习的重要组成,在图像、语音等领域得到了成功应用。针对人工设计的特征提取方法难以有效表达复杂环境下行人特征的问题,提出采用多层网络构建深度卷积神经网络实现对行人检测的方法。系统分析了卷积神经网络层数、卷积核大小、特征维数等对识别效果的影响,优化了网络参数。实验结果表明该方法对于行人检测具有很高的识别率,优于传统方法。 展开更多
关键词 行人检测 深度学习 卷积神经网络 特征提取
下载PDF
行人重识别研究综述 被引量:43
2
作者 宋婉茹 赵晴晴 +2 位作者 陈昌红 干宗良 刘峰 《智能系统学报》 CSCD 北大核心 2017年第6期770-780,共11页
行人重识别是智能视频分析领域的研究热点,得到了学术界的广泛重视。行人重识别旨在非重叠视角域多摄像头网络下进行的行人匹配,即确认不同位置的摄像头在不同的时刻拍摄到的行人目标是否为同一人。本文根据研究对象的不同,将目前的研... 行人重识别是智能视频分析领域的研究热点,得到了学术界的广泛重视。行人重识别旨在非重叠视角域多摄像头网络下进行的行人匹配,即确认不同位置的摄像头在不同的时刻拍摄到的行人目标是否为同一人。本文根据研究对象的不同,将目前的研究分为基于图像的行人重识别和基于视频的行人重识别两类,对这两类分别从特征描述、度量学习和数据库集3个方面将现有文献分类进行了详细地总结和分析。此外,随着近年来深度学习算法的广泛应用,也带来了行人重识别在特征描述和度量学习方面算法的变革,总结了深度学习在行人重识别中的应用,并对未来发展趋势进行了展望。 展开更多
关键词 行人重识别 特征表达 度量学习 深度学习 卷积神经网络 数据集 视频监控
下载PDF
行人检测技术研究综述 被引量:28
3
作者 张春凤 宋加涛 王万良 《电视技术》 北大核心 2014年第3期157-162,共6页
行人检测是计算机视觉领域极具挑战性的研究热点,它在智能交通、机器人开发和视频监控等领域具有重要应用。从行人检测所采用的特征着手,对现有的行人检测方法进行了分类和评述,分析了各类方法的优缺点,同时,介绍了常用的行人检测数据... 行人检测是计算机视觉领域极具挑战性的研究热点,它在智能交通、机器人开发和视频监控等领域具有重要应用。从行人检测所采用的特征着手,对现有的行人检测方法进行了分类和评述,分析了各类方法的优缺点,同时,介绍了常用的行人检测数据库的特点,最后分析了行人检测研究中存在的难题并对未来的发展做出展望。 展开更多
关键词 行人检测 特征选取 行人数据库
下载PDF
改进YOLOV3算法在行人识别中的应用 被引量:24
4
作者 葛雯 史正伟 《计算机工程与应用》 CSCD 北大核心 2019年第20期128-133,共6页
为了避免人与物体之间相互遮挡,对小目标检测不准确,以及复杂光照强度对行人检测的影响,针对这一问题,提出了一种多尺度聚类卷积神经网络MK-YOLOV3 算法,来实现对行人的识别与检测。该算法是对YOLOV3进行改进,首先通过简单聚类对图像特... 为了避免人与物体之间相互遮挡,对小目标检测不准确,以及复杂光照强度对行人检测的影响,针对这一问题,提出了一种多尺度聚类卷积神经网络MK-YOLOV3 算法,来实现对行人的识别与检测。该算法是对YOLOV3进行改进,首先通过简单聚类对图像特征进行提取,得到相应的特征图,再通过抽样K -means 聚类算法结合核函数确定锚点位置,以达到更好的聚类。针对小目标的浅层特征信息进行多尺度融合,提高小目标的检测效果。仿真结果验证了该算法在VOC数据集上对小目标识别的精度和速度上有较大提高,以及视频智能分析中有较高的召回率和精确度。 展开更多
关键词 行人检测 YOLOV3 卷积神经网络 特征图
下载PDF
基于注意力机制的行人重识别特征提取方法 被引量:23
5
作者 刘紫燕 万培佩 《计算机应用》 CSCD 北大核心 2020年第3期672-676,共5页
针对真实环境中非重叠多摄像头的行人重识别受到不同摄像机场景、视角、光照等因素的影响导致行人重识别精度低的问题,提出一种基于注意力机制的行人重识别特征提取方法。首先,使用随机擦除法对输入的行人图像进行数据增强,提高网络的... 针对真实环境中非重叠多摄像头的行人重识别受到不同摄像机场景、视角、光照等因素的影响导致行人重识别精度低的问题,提出一种基于注意力机制的行人重识别特征提取方法。首先,使用随机擦除法对输入的行人图像进行数据增强,提高网络的鲁棒性;然后,通过构建自上而下的注意力机制网络增强空间像素特征的显著性,并将注意力机制网络嵌入ResNet50网络提取整个行人的显著特征;最后,将整个行人的显著特征进行相似性度量并排序得到行人重识别的结果。该注意力机制的行人重识别特征提取方法在Market1501数据集上Rank1达到88.53%,平均精度均值(mAP)为70.70%;在DukeMTMC-reID数据集上Rank1达到77.33%,mAP为59.47%。所提方法在两大行人重识别数据集上性能都有明显提升,具有一定的应用价值。 展开更多
关键词 行人重识别 特征学习 注意力机制 数据增强 显著特征
下载PDF
基于稳定区域梯度方向直方图的行人检测方法 被引量:22
6
作者 陈锐 彭启民 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2012年第3期372-377,共6页
针对HOG算法采用简单均匀分布的块提取行人特征,导致过多冗余特征和检测效率较低问题,提出一种启发式的块生成算法.首先将待检测窗口划分成多个大小不一且交叉重叠的块,然后根据各个块的梯度方向直方图特征的稳定性对各个块进行排序,最... 针对HOG算法采用简单均匀分布的块提取行人特征,导致过多冗余特征和检测效率较低问题,提出一种启发式的块生成算法.首先将待检测窗口划分成多个大小不一且交叉重叠的块,然后根据各个块的梯度方向直方图特征的稳定性对各个块进行排序,最后选取稳定性最高的多个块作为最终HOG算法的特征提取块.实验结果表明,该算法可取得较好的检测效果,并且检测速度得到了进一步的提高. 展开更多
关键词 行人检测 梯度方向直方图 特征评价
下载PDF
基于HOG和颜色特征的行人检测 被引量:21
7
作者 曲永宇 刘清 +1 位作者 郭建明 周生辉 《武汉理工大学学报》 CAS CSCD 北大核心 2011年第4期134-138,共5页
基于梯度方向直方图(HOG)特征的行人检测是目前检测精度较高的主流方法。针对基于梯度直方图特征的行人检测存在检测精度还有待提高、向量维数大的问题,提出使用梯度直方图统计特征加颜色频率和肤色特征描述行人,选取一些分类能力较强的... 基于梯度方向直方图(HOG)特征的行人检测是目前检测精度较高的主流方法。针对基于梯度直方图特征的行人检测存在检测精度还有待提高、向量维数大的问题,提出使用梯度直方图统计特征加颜色频率和肤色特征描述行人,选取一些分类能力较强的block作为最后的特征,使用线性SVM分类。在INRIA库上的实验证明,该方法能有效地提高检测精度。 展开更多
关键词 行人检测 梯度直方图(HOG) 颜色特征 block选择
原文传递
基于改进SSD的行人检测方法 被引量:21
8
作者 邢浩强 杜志岐 苏波 《计算机工程》 CAS CSCD 北大核心 2018年第11期228-233,238,共7页
为提高行人检测的准确性与稳定性,提出一种新的检测方法。以SSD方法为基础进行优化与改进网络结构,将串联式的基础网络部分修改为密集连接式结构,在目标预测阶段选择融合特征作为预测依据,根据目标尺寸的统计分布规律调整不同特征层的... 为提高行人检测的准确性与稳定性,提出一种新的检测方法。以SSD方法为基础进行优化与改进网络结构,将串联式的基础网络部分修改为密集连接式结构,在目标预测阶段选择融合特征作为预测依据,根据目标尺寸的统计分布规律调整不同特征层的缩放因子。在Caltech数据集上的测试结果表明,相比于原始SSD、VJ-1、HOG等方法,该方法具有更高的准确性和更好的鲁棒性,尤其对于待检行人目标尺寸较小以及严重遮挡等行人检测问题,改进SSD方法检测结果更好。该方法在TitanX测试条件下具有20 frame/s的检测速度,满足实时性要求。 展开更多
关键词 行人检测 卷积神经网络 融合特征 密集连接 多尺度检测
下载PDF
基于HOG特征的行人视觉检测方法 被引量:20
9
作者 程广涛 陈雪 郭照庄 《传感器与微系统》 CSCD 北大核心 2011年第7期68-70,74,共4页
行人检测是近年来计算机视觉领域中备受关注的前沿方向和研究热点。以单目视觉传感器作为外界环境信息获取的主要手段,建立了一个包含行人分割、识别的检测系统。根据行人特有的一些特征,提出了基于垂直边缘和边缘对称性的行人分割方法... 行人检测是近年来计算机视觉领域中备受关注的前沿方向和研究热点。以单目视觉传感器作为外界环境信息获取的主要手段,建立了一个包含行人分割、识别的检测系统。根据行人特有的一些特征,提出了基于垂直边缘和边缘对称性的行人分割方法,并进行精确定位。在行人识别阶段利用HOG特征进行特征提取,然后利用线性支持向量机进行行人识别。对大量的包括不同天气和场景条件下的测试集进行了测试,结果表明:提出的算法具有良好的检测效果。 展开更多
关键词 行人检测 垂直边缘 边缘对称性 HOG特征 线性 支持向量机
下载PDF
基于计算机视觉的行人检测技术综述 被引量:17
10
作者 耿艺宁 刘帅师 +2 位作者 刘泰廷 严文阳 廉宇峰 《计算机应用》 CSCD 北大核心 2021年第S01期43-50,共8页
行人检测是使用计算机视觉技术来判断图像或序列当中有没有行人经过,并同时对行人进行定位的技术,这项技术是无人驾驶领域中至关重要的一个研究方向。受行人个体差异、尺度姿态变化大、鲁棒性要求高等影响,使其具有挑战性,并得到了广泛... 行人检测是使用计算机视觉技术来判断图像或序列当中有没有行人经过,并同时对行人进行定位的技术,这项技术是无人驾驶领域中至关重要的一个研究方向。受行人个体差异、尺度姿态变化大、鲁棒性要求高等影响,使其具有挑战性,并得到了广泛关注。通过对建立在电脑视觉中的行人检测提箱进行目标分辨和分割的研究情况进行梳理和总结。首先,从阈值法、边缘检测法以及语义分割三个方面,对图像分割技术进行阐述,然后将特征提取的方法分为底层特征和机器学习的两种不同类别作出介绍,之后对分类器的构造方法进行归纳,最后通过目前存在的问题对未来的行人检测技术研究进行展望。 展开更多
关键词 计算机视觉 行人检测 图像分割 语义分割 目标识别 特征提取 深度学习 分类器
下载PDF
基于局部特征级联分类器和模板匹配的行人检测 被引量:14
11
作者 周晨卉 王生进 丁晓青 《中国图象图形学报》 CSCD 北大核心 2010年第5期824-829,共6页
在智能视频监控领域,行人检测正受到广泛关注。为了提高检测率,将基于局部特征的Adaboost级联分类器和模板匹配相结合。首先通过分析和比较提出了一种行人局部特征的选取方法,然后对人体局部进行建模,将模板匹配的思想融入行人检测。最... 在智能视频监控领域,行人检测正受到广泛关注。为了提高检测率,将基于局部特征的Adaboost级联分类器和模板匹配相结合。首先通过分析和比较提出了一种行人局部特征的选取方法,然后对人体局部进行建模,将模板匹配的思想融入行人检测。最后通过实验证明,该方法在行人检测上可以取得较好的效果。 展开更多
关键词 行人检测 局部特征 ADABOOST 模板匹配
下载PDF
基于SSD的行人头部检测方法 被引量:12
12
作者 李欢 陈先桥 +2 位作者 施辉 杨英 龚 《计算机工程与设计》 北大核心 2020年第3期827-832,共6页
Faster R-CNN、SSD、YOLO都是针对行人整体检测,在人群密集场景检测精度低,为有效解决遮挡严重场景的行人检测问题,提出改进的SSD行人头部检测方法,使用K-means++聚类得到SSD先验框规格。针对SSD小目标检测的不足,建立改进SSD头部检测模... Faster R-CNN、SSD、YOLO都是针对行人整体检测,在人群密集场景检测精度低,为有效解决遮挡严重场景的行人检测问题,提出改进的SSD行人头部检测方法,使用K-means++聚类得到SSD先验框规格。针对SSD小目标检测的不足,建立改进SSD头部检测模型,利用SSD网络目标特征提取,添加类别预测和位置预测两个旁支网络实现特征分离。类别预测特征图采用上采样方式融合高语义,位置预测特征图采用下采样方式融合细节信息,融合两个预测结果得到最终目标。实验结果表明,该方法能实时准确地定位行人头部,有效地解决行人遮挡问题,提升检测精度。 展开更多
关键词 行人检测 头部检测 卷积神经网络 单发多盒检测器 特征分离 特征融合
下载PDF
基于候选区域和并行卷积神经网络的行人检测 被引量:12
13
作者 徐喆 王玉辉 《计算机工程与应用》 CSCD 北大核心 2019年第22期91-98,162,共9页
针对行人在部分自然场景图像中所占比例较小(以下简称小目标),提取的特征容易丢失,检测准确率低的问题,提出基于候选区域和并行卷积神经网络(Parallel Convolutional Neural Network,PCNN)的行人检测方法。对于候选区域提取部分,改进了... 针对行人在部分自然场景图像中所占比例较小(以下简称小目标),提取的特征容易丢失,检测准确率低的问题,提出基于候选区域和并行卷积神经网络(Parallel Convolutional Neural Network,PCNN)的行人检测方法。对于候选区域提取部分,改进了选择性搜索,使其更符合行人这一类别的候选区域提取;利用Edge Boxes对选择性搜索提取的大量预候选区域进行过滤,最终得到数量少、质量高的候选区域。在利用卷积神经网络(Convolutional Neural Network,CNN)进行特征提取时,针对深层卷积神经网络能够提取到更丰富更抽象的高层特征,但同时对于小目标容易造成特征丢失的问题,加入浅层网络组成并行卷积神经网络(Parallel Convolutional Neural Network,PCNN)提取深、浅层特征输出。最后将所提方法应用于行人检测,实验结果表明,所提方法对于小目标的检测准确率有较好的提升。 展开更多
关键词 卷积神经网络(CNN) 行人检测 选择性搜索 EDGE BOXES 特征提取
下载PDF
多部件验证的双层行人检测算法 被引量:10
14
作者 谭飞刚 刘伟铭 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2015年第1期79-86,共8页
受韦伯局部描述子和局部二值模式(LBP)特征的启发,针对Haar特征维度高、冗余度大等缺点,提出了一种基于显著性的二值化Haar特征(SLBH).虽然利用整体行人特征能取得较好的检测效果,但其检测性能在遮挡场景中会迅速下降.为提高整体特征对... 受韦伯局部描述子和局部二值模式(LBP)特征的启发,针对Haar特征维度高、冗余度大等缺点,提出了一种基于显著性的二值化Haar特征(SLBH).虽然利用整体行人特征能取得较好的检测效果,但其检测性能在遮挡场景中会迅速下降.为提高整体特征对部分遮挡的鲁棒性,文中提出了一种结合SLBH特征多部件验证的双层行人检测算法.该算法结合了整体特征与局部特征的优点,增强了算法对部分遮挡的鲁棒性.在INRIA行人检测库上的实验结果表明,文中提出的算法对噪声和部分遮挡有较好的鲁棒性. 展开更多
关键词 行人检测 部分遮挡 局部特征 SLBH特征 多部件验证
下载PDF
特征金字塔融合的多模态行人检测算法 被引量:10
15
作者 童靖然 毛力 孙俊 《计算机工程与应用》 CSCD 北大核心 2019年第19期214-222,共9页
针对单模态行人检测在光照条件较差、目标部分遮挡、目标多尺度时检测效果较差的问题,提出了一种基于可见和红外双模态特征金字塔融合的行人检测算法。使用深度卷积神经网络代替传统的手工设计特征方式分别自动从可见模态及红外热模态... 针对单模态行人检测在光照条件较差、目标部分遮挡、目标多尺度时检测效果较差的问题,提出了一种基于可见和红外双模态特征金字塔融合的行人检测算法。使用深度卷积神经网络代替传统的手工设计特征方式分别自动从可见模态及红外热模态的图片中提取单模态特征,根据ResNet(Residual Net)的阶段性特征图谱搭建特征金字塔网络,生成每个模态的特征金字塔,并将两个模态的特征金字塔进行逐层融合。选择深度学习通用目标检测算法--Faster R-CNN作为后续的目标定位与分类算法来解决多模态行人检测问题。在特征金字塔融合阶段,针对级联融合和较大值融合容易忽略弱特征,无法有效融合互补特征的问题,提出了一种锐化特征的特征金字塔融合方法,根据阈值强化突出强特征,互补叠加弱特征,有效利用每个模态的特征,进一步提高模型的检测效果。实验结果表明,特征金字塔聚合的多模态行人检测算法可以有效解决多模态行人检测问题,在KAIST数据集上的检测效果超过了目前该数据集上的最佳模型。 展开更多
关键词 行人检测 多模态 特征金字塔 特征融合
下载PDF
基于改进HOG共生概率特征的行人检测算法 被引量:10
16
作者 李盈盈 李菲菲 陈虬 《电子科技》 2018年第9期4-8,共5页
为了提高静态行人的检测精度,提出了一种基于改进梯度方向直方图共生概率特征的行人检测方法。该方法首先将梯度方向直方图特征分别与局部二值模式和颜色自相似性特征结合生成改进HOG特征,基于该特征使用第一阶段的连续自适应算法(Real ... 为了提高静态行人的检测精度,提出了一种基于改进梯度方向直方图共生概率特征的行人检测方法。该方法首先将梯度方向直方图特征分别与局部二值模式和颜色自相似性特征结合生成改进HOG特征,基于该特征使用第一阶段的连续自适应算法(Real Ada Boost)生成共生概率特征;然后基于此共生概率特征利用第二阶段Real Ada Boost算法进行处理得到强分类器;最后使用上述强分类器实现检测和分类。将该算法应用到INRIA行人数据库进行实验,达到了99%的检测精度,优于传统HOG特征提取算法的检测精度,实验结果证明了此算法在提高行人检测精度方面的有效性。 展开更多
关键词 行人检测 梯度方向直方图 特征融合 共生概率特征 连续自适应提升算法
下载PDF
基于跨尺度特征聚合网络的多尺度行人检测 被引量:10
17
作者 曹帅 张晓伟 马健伟 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2020年第9期1786-1796,共11页
行人的空间尺度差异是影响行人检测性能的主要瓶颈之一。针对这一问题,提出了跨尺度特征聚合网络(TS-FAN)有效检测多尺度行人。首先,鉴于不同尺度空间呈现出的特征差异性,引入一种基于多路径区域建议网络(RPN)的尺度补偿策略,其在多尺... 行人的空间尺度差异是影响行人检测性能的主要瓶颈之一。针对这一问题,提出了跨尺度特征聚合网络(TS-FAN)有效检测多尺度行人。首先,鉴于不同尺度空间呈现出的特征差异性,引入一种基于多路径区域建议网络(RPN)的尺度补偿策略,其在多尺度卷积特征层上自适应地生成一系列与其感受野大小相对应的候选目标尺度集。其次,考虑到不同层次卷积特征在视觉语义上的互补性,提出了跨尺度特征聚合网络模块,其通过横向连接、自上而下路径和由底向上路径,有效地聚合具有语义鲁棒性的高层特征和具有精确定位信息的低层特征,实现对卷积层特征的增强表示。最后,联合多路径RPN尺度补偿策略和跨尺度特征聚合网络模块,构建了一种尺度自适应感知的多尺度行人检测网络。实验结果表明,所提方法与当前一流的行人检测方法TLL-TFA相比,在整个Caltech公开测试数据集上(All:行人高度大于20像素)的行人漏检率降低到26.21%(提高了11.94%),尤其对于Caltech小尺寸行人子数据集上(Far:行人高度在20~30像素之间)的行人漏检率降低到47.30%(提高了12.79%),同时在尺度变化剧烈的ETH数据集上的效果也取得显著提升。 展开更多
关键词 行人检测 尺度感知 特征金字塔 特征聚合 非极大值抑制
下载PDF
一种改进的卷积神经网络行人识别方法 被引量:9
18
作者 陈聪 杨忠 +1 位作者 宋佳蓉 韩家明 《应用科技》 CAS 2019年第3期51-57,共7页
针对现有的行人检测算法存在的定位精度低、实时性差的问题,借鉴目标检测的研究成果You Only Look Once(YOLO)算法,提出一种实时的行人检测方法。以Tiny-YOLO为基础,改变网络模型的输入尺寸,获得更好的行人特征表达;结合图像中行人尺寸... 针对现有的行人检测算法存在的定位精度低、实时性差的问题,借鉴目标检测的研究成果You Only Look Once(YOLO)算法,提出一种实时的行人检测方法。以Tiny-YOLO为基础,改变网络模型的输入尺寸,获得更好的行人特征表达;结合图像中行人尺寸特点,使用聚类分析方法,对数据集进行目标框聚类,选取适合行人检测的候选框尺寸与数量;通过增加一定数量卷积层的方法重新设计特征提取和目标检测网络;在混合数据集上训练,增强模型泛化性。实验结果表明,在应对不同尺寸行人和部分遮挡情况时,文中方法具有更低的漏检率、更好的定位精度与检测效果,且检测速度可以满足实时性要求。 展开更多
关键词 行人检测 卷积神经网络 深度学习 YOLO 特征提取 聚类分析 多尺度特征 行人数据集
下载PDF
融合多层特征的多尺度行人检测 被引量:10
19
作者 曾接贤 方琦 +1 位作者 符祥 冷璐 《中国图象图形学报》 CSCD 北大核心 2019年第10期1683-1691,共9页
目的行人检测在自动驾驶、视频监控领域中有着广泛应用,是一个热门的研究话题。针对当前基于深度学习的行人检测算法在分辨率较低、行人尺度较小的情况下存在误检和漏检问题,提出一种融合多层特征的多尺度的行人检测算法。方法首先,针... 目的行人检测在自动驾驶、视频监控领域中有着广泛应用,是一个热门的研究话题。针对当前基于深度学习的行人检测算法在分辨率较低、行人尺度较小的情况下存在误检和漏检问题,提出一种融合多层特征的多尺度的行人检测算法。方法首先,针对行人检测问题,删除了深度残差网络的一部分,仅采用深度残差网络的3个区域提取特征图,然后采用最邻近上采样法将最后一层提取的特征图放大两倍后再用相加法,将高层语义信息丰富的特征和低层细节信息丰富的特征进行融合;最后将融合后的3层特征分别输入区域候选网络中,经过softmax分类,得到带有行人的候选框,从而实现行人检测的目的。结果实验结果表明,在Caltech行人检测数据集上,在每幅图像虚警率(FPPI)为10%的条件下,本文算法丢失率仅为57.88%,比最好的模型之一——多尺度卷积神经网络模型(MS-CNN)丢失率(60.95%)降低3.07%。结论深层的特征具有高语义信息且感受野较大的特点,而浅层的特征具有位置信息且感受野较小的特点,融合两者特征可以达到增强深层特征的效果,让深层的特征具有较为丰富的目标位置信息。融合后的多层特征图具有不同程度的细节和语义信息,对检测不同尺度的行人有较好的效果。所以利用融合后的特征进行行人检测,能够提高行人检测性能。 展开更多
关键词 目标检测 行人检测 特征融合 多尺度行人 多层特征
原文传递
YOLO-Person:道路区域行人检测 被引量:10
20
作者 魏润辰 何宁 尹晓杰 《计算机工程与应用》 CSCD 北大核心 2020年第19期197-204,共8页
城市道路场景下的行人目标尺寸变化大,并且人群密集容易引起遮挡问题,增加了行人检测难度。为了提高城市道路区域行人检测的准确性和实时性,更好应对驾驶场景的实际需求,对You Only Look Once(YOLO)方法进行改进。原YOLO模型分为行人特... 城市道路场景下的行人目标尺寸变化大,并且人群密集容易引起遮挡问题,增加了行人检测难度。为了提高城市道路区域行人检测的准确性和实时性,更好应对驾驶场景的实际需求,对You Only Look Once(YOLO)方法进行改进。原YOLO模型分为行人特征提取阶段和行人坐标回归阶段,将浅层特征与深层特征多尺度融合,增加骨架网络的特征提取效果;添加注意力机制,在特征融合后加入空间通道增强模块,并且将GIoU损失引入网络训练过程,提高对遮挡目标的识别能力;结合行人尺寸,提出CrossYOLO层对网络宽度进行调整,加快了模型运算速度。在Caltech行人基准数据集下进行验证实验,结果表明YOLO-Person模型与原YOLO以及其他流行方法相比,对小目标和遮挡目标误检率更低,并且速度更快,具有一定的实际应用价值。 展开更多
关键词 YOLO方法 行人检测 特征增强
下载PDF
上一页 1 2 16 下一页 到第
使用帮助 返回顶部