检索结果-内蒙古大学图书馆

计算机与数字工程 2022年第8期50卷 1716-1719页

作者：贾叙文刘庆华刘东华李杨黄凯枫江苏科技大学镇江212003

智能交通的中重要一点就是对行人的检测跟踪用以规避行人实现自动驾驶。在神经网络运用的目标检测之前,常见的行人检测方法有梯度直方图特征(Histogram of oriented gradient,HOG)与支持向量机(Support vector machine,SVM)相结合的方法... 详细信息

智能交通的中重要一点就是对行人的检测跟踪用以规避行人实现自动驾驶。在神经网络运用的目标检测之前,常见的行人检测方法有梯度直方图特征(Histogram of oriented gradient,HOG)与支持向量机(Support vector machine,SVM)相结合的方法,但是此方法的弊端较为突出,在检测准确率远远达不到目前主流的几种深度学习算法检测,其应用场景受到很大的限制。而目前在深度学习中,行人检测应用比较广泛的模型有Faster R-CNN、YOLOv3等,而论文将采用改进Cascada R-CNN模型,其比Faster R-CNN具有更好的抗干扰能力,在昏暗、光线不均匀等条件下具有较好的行人检测效果,同时使其能过更好的识别小样本行人,实验在inria数据集中完成训练与并在自制的测试集检测,取得了不错的效果。

关键词：行人检测 Cascada R-CNN inria数据集深度学习

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv3算法的行人检测研究

引用

电子科技 2021年第1期34卷 5-9,30页

作者：叶飞刘子龙上海理工大学光电信息与计算机工程学院上海200093

YOLOv3算法在单一物体目标检测时使用Darknet53作为主干,网络出现冗余现象,导致参数过多,检测速度变慢,传统的边界框损失函数影响检测定位准确性。针对这一问题,文中提出了改进YOLOv3算法的行人检测方法。通过构造以Darknet19为主干网... 详细信息

YOLOv3算法在单一物体目标检测时使用Darknet53作为主干,网络出现冗余现象,导致参数过多,检测速度变慢,传统的边界框损失函数影响检测定位准确性。针对这一问题,文中提出了改进YOLOv3算法的行人检测方法。通过构造以Darknet19为主干网络多尺度融合的新型网络,加快训练速度和检测速度,还通过引入广义交并比损失函数来提高检测精确度。实验结果表明,在行人检测数据集如inria行人数据集中,相比于原始算法,文中所提算法的精确度提高了5%。和Faster R-CNN相比,在保证准确率的情况下,采用文中算法使单张图片的检测速度达到了每张0.015 s。

关键词：目标检测广义交并比 YOLOv3 多尺度融合行人检测 inria数据集

来源：评论

学校读者我要写书评

暂无评论

基于特征融合与聚合SVM的行人检测方法研究

基于特征融合与聚合SVM的行人检测方法研究

引用

作者：杨梦重庆邮电大学

学位级别：硕士

行人检测作为计算机视觉领域的重要分支,已经广泛应用于智能交通控制系统、高级驾驶辅助系统、姿态估计等领域,同时,行人检测面临着行人外观多变、背景环境复杂等诸多难题,行人检测现今成为一个极具研究价值且具有挑战性的热点。本文在... 详细信息

行人检测作为计算机视觉领域的重要分支,已经广泛应用于智能交通控制系统、高级驾驶辅助系统、姿态估计等领域,同时,行人检测面临着行人外观多变、背景环境复杂等诸多难题,行人检测现今成为一个极具研究价值且具有挑战性的热点。本文在研究基于统计学习的行人检测方法基础上,着重分析基于HOG特征与SVM分类器的行人检测方法,并在此基础上,针对单一特征和分类器分类过拟合造成准确率不高的问题,提出一种基于特征融合与聚合SVM分类器的行人检测方法。本文的主要研究工作如下:1.基于SVM分类器的行人检测采用欠采样方法,存在正负行人比例不平衡,造成准确率不高,对此提出一种改进的聚合支持向量机(Ensemble SVM)分类器行人检测方法。该方法结合欠采样SVM分类器的两次训练机制和EasyEnsemble的分治策略:首先,随机选择负样本作为初始训练样本,并将其划分为与正样本集均衡的多个子负样本集,构建平衡子训练集,线性组合成EasyEnsemble SVM分类器;然后利用该分类器对负样本进行分类判断,将误判样本作为难例样本,重新划分构建新的平衡子训练集,训练子分类器,结合EasyEnsemble SVM分类器,得到Ensemble SVM分类器行人检测方法。在inria数据集上进行实验,验证Ensemble SVM的行人检测算法性能。2.针对单个HOG特征不能很好的描述行人信息,在处理行人遮挡时准确率不高的问题,提出一种改进的特征融合行人检测方法。采用HOG特征与Gabor特征进行融合,然后训练Ensemble SVM分类器。分别在inria数据集中加入随机噪声块、实际遮挡物两种遮挡,验证HOG特征与Gabor特征融合有助于检测准确率的。实验表明,采用Ensemble SVM分类器能很好的解决因正负样本数据不平衡造成分类过拟合的问题。并且,在此基础上进行特征融合,进一步解决行人图像中存在遮挡的问题。

关键词：行人检测 Ensemble SVM 特征融合 inria数据集

来源：评论

学校读者我要写书评

暂无评论

基于多特征级联的行人检测方法研究

基于多特征级联的行人检测方法研究

引用

作者：邹宽中重庆邮电大学

学位级别：硕士

随着当今社会人工智能、计算机视觉及智能监控、智能交通的发展,行人检测技术受到越来越多的关注,并广泛的应用于智能监控、智能交通、高级人机交互等领域。本文主要对基于HOG特征的行人检测方法进行了深入的研究,并在此基础上提出了相... 详细信息

随着当今社会人工智能、计算机视觉及智能监控、智能交通的发展,行人检测技术受到越来越多的关注,并广泛的应用于智能监控、智能交通、高级人机交互等领域。本文主要对基于HOG特征的行人检测方法进行了深入的研究,并在此基础上提出了相应的改进:利用主成分分析(PCA)对HOG特征进行降维,降维后的HOG特征、Gabor特征、颜色特征级联为多特征对行人进行检测。主要的研究工作如下:1.针对现有基于梯度方向直方图(HOG)的行人检测方法维度比较高,并且存在大量的冗余信息,这些大量的冗余信息可以降低分类的速度,有些维度信息降低了识别的精度,提出了运用PCA降维的HOG特征的行人检测方法,对HOG特征从20维度到3000维度做了14次实验,在兼顾识别率和时间效率的情况下,选取了HOG特征的合适的维度。并对降维前后在DET曲线和运行时间上做了对比。***特征能够很好的表征行人的特征,但是在单一特征的情况下检测率不高,所以提出一种基于多特征级联的行人检测方法,利用降维后的HOG特征、Gabor特征、颜色特征(RGB、HSI)进行级联,其中Gabor特征选取四尺度八方向的二维Gabor值,选取颜色特征中的空间特征值、均值及标准差,级联后的特征作为行人检测的联合特征,最后使用支持向量机(SVM)的径向基核函数(RBF)进行分类。使用inria数据集作为分类器的训练库和测试库,该方法在inria行人库上的实验表明,不但提高了分类的速度,而且提高了检测的准确率,检测结果对于单行人的情况下取得了较好的检测效果,对于多行人或者复杂场景就会出现漏检或者误检测的情况。

关键词：行人检测梯度方向直方图 PCA降维 inria数据集径向基核函数(RBF)

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：