基于深度神經(jīng)網(wǎng)絡(luò)的車(chē)載視頻行人檢測(cè)算法研究.pdf

1、在視頻智能監(jiān)控、輔助駕駛等領(lǐng)域，行人檢測(cè)技術(shù)一直是研究的熱點(diǎn)。在視頻智能監(jiān)控中，需要對(duì)行人進(jìn)行軌跡跟蹤、行為模式分析等，其前提就是要基于視頻信息準(zhǔn)確地檢測(cè)出行人。在輔助駕駛、自動(dòng)駕駛領(lǐng)域，行人是首先需要關(guān)注的識(shí)別目標(biāo)，基于車(chē)載視頻的行人檢測(cè)技術(shù)越來(lái)越受到人們的重視，但基于車(chē)載視頻的行人檢測(cè)技術(shù)也存在著巨大的挑戰(zhàn)，比如背景實(shí)時(shí)變化、行人形態(tài)各異、光線強(qiáng)弱多樣等。
　　行人檢測(cè)算法的核心是行人特征的提取，行人特征包括人工設(shè)定的特征和基

2、于深度學(xué)習(xí)的特征。人工設(shè)定特征的優(yōu)點(diǎn)是簡(jiǎn)單直接，如梯度方向直方圖特征、顏色通道自相似特征等，但不易定義快速魯棒的特征，且其特征描述能力有限，檢測(cè)精度不高。近年來(lái)，基于深度學(xué)習(xí)的特征提取方法越來(lái)越受到人們的關(guān)注，其特征描述能力強(qiáng)，分類(lèi)準(zhǔn)確率高，但其模型設(shè)計(jì)復(fù)雜，訓(xùn)練時(shí)間長(zhǎng)，易出現(xiàn)過(guò)擬合現(xiàn)象。
　　本文提出的基于深度神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)算法將人工設(shè)定的特征和深度學(xué)習(xí)方法進(jìn)行結(jié)合，充分了利用后者網(wǎng)絡(luò)模型特征描述能力強(qiáng)的優(yōu)勢(shì)，提高了檢測(cè)的精