移動(dòng)場(chǎng)景下行人實(shí)時(shí)檢測(cè)方法研究及實(shí)現(xiàn).pdf

1、隨著計(jì)算機(jī)視覺領(lǐng)域的不斷發(fā)展，特別是近年來深度學(xué)習(xí)取得了突破性進(jìn)展，人類正逐步邁入智能時(shí)代。行人檢測(cè)技術(shù)在機(jī)器人、安防監(jiān)控、無人駕駛等諸多智能領(lǐng)域都有著重要的應(yīng)用?，F(xiàn)有的行人檢測(cè)算法有兩大缺點(diǎn)，一是盡管現(xiàn)有的算法可以達(dá)到很高的檢測(cè)精度，但檢測(cè)速度慢。二是現(xiàn)有算法的出發(fā)點(diǎn)大都建立在科研的基礎(chǔ)上，算法運(yùn)行平臺(tái)是專門用于科研的高性能計(jì)算機(jī)，直接將算法應(yīng)用到實(shí)際場(chǎng)景中會(huì)面臨諸多難題。本文就如何加快行人檢測(cè)速度展開研究，利用目標(biāo)候選框算法來減少檢

2、測(cè)區(qū)域，并利用視差來提前排除非行人窗口，同時(shí)針對(duì)移動(dòng)場(chǎng)景和嵌入式平臺(tái)采用多種優(yōu)化方法降低算法復(fù)雜度和空間復(fù)雜度。本文的具體研究?jī)?nèi)容如下：
　　一、針對(duì)圖像中的行人往往只占整幅圖像的一小部分，實(shí)際檢測(cè)過程中檢測(cè)的大部分區(qū)域是非行人區(qū)域的缺點(diǎn)，利用目標(biāo)候選框算法來獲得檢測(cè)區(qū)域并在得到的檢測(cè)區(qū)域上檢測(cè)行人，相比直接從原圖中進(jìn)行檢測(cè)，所需檢測(cè)的區(qū)域的面積更小。
　　二、針對(duì)分類器判別窗口的過程中，判別的大部分窗口是非行人窗口的特點(diǎn)，

3、利用視差來提前排除非行人的窗口，減少了后續(xù)需要判別的窗口的個(gè)數(shù)，加快了分類階段的速度。
　　三、針對(duì)在移動(dòng)場(chǎng)景中檢測(cè)行人時(shí)，運(yùn)算平臺(tái)內(nèi)存小、運(yùn)算性能低的特點(diǎn)，研究了多種方法來降低計(jì)算復(fù)雜度和空間復(fù)雜度。為了減少空間復(fù)雜度，優(yōu)化了積分圖算法，有效減少了空間復(fù)雜度。為了加快多尺度檢測(cè)過程，本文采用了一種基于再映射的多尺度多窗口檢測(cè)方法，在融合現(xiàn)有方法優(yōu)點(diǎn)的情況下，利用再映射的方法實(shí)現(xiàn)了只用一個(gè)尺度窗口滑動(dòng)就能得到多個(gè)尺度窗口的檢測(cè)結(jié)果