基于卷积神经网络的行人检测方法研究新进展

被引：4

作者：

邢志祥

顾凰琳

钱辉

张莹

汪李金

机构：

[1] 常州大学环境与安全工程学院

来源：

安全与环境工程 | 2018年 / 25卷 / 06期

关键词：

卷积神经网络; 行人检测方法; 行人检测数据库; 深度学习算法;

D O I：

10.13578/j.cnki.issn.1671-1556.2018.06.016

中图分类号：

TP391.41 []; TP18 [人工智能理论];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

深度学习在行人检测领域有重大的应用价值,可及时预测客流,避免安全事故的发生。概述了卷积神经网络的发展历史及其主要组成模块,包括各部分模块的研究现状,介绍了卷积神经网络在行人检测中所需要的行人检测数据库及其应用现状。结果表明:基于卷积神经网络的行人检测方法发展迅速,可大大提高行人检测的准确性和实用性,并在实际问题的应用中可有效分析人流拥堵的状态,从而对行人进行有效的疏散,以避免拥挤踩踏安全事故的发生,具有实际运用的意义。

引用

页码：100 / 105

页数：6

共 10 条

[1] DTCNN的人脸识别算法的Map-Reduce并行化实现研究
郭礼华
牛新亚
马军
刘彦能
[J]. 系统工程理论与实践, 2014, 34(S1) (S1) : 283 - 286
[2] 行人检测技术研究综述
张春凤
宋加涛
王万良
[J]. 电视技术, 2014, 38 (03) : 157 - 162
[3] 深度学习[M]. 人民邮电出版社 , 伊恩·古德费洛, 2017
[4] Recent advances in convolutional neural networks[J] . Jiuxiang Gu,Zhenhua Wang,Jason Kuen,Lianyang Ma,Amir Shahroudy,Bing Shuai,Ting Liu,Xingxing Wang,Gang Wang,Jianfei Cai,Tsuhan Chen. Pattern Recognition . 2018
[5] ImageNet Large Scale Visual Recognition Challenge
Russakovsky, Olga
Deng, Jia
Su, Hao
Krause, Jonathan
Satheesh, Sanjeev
Ma, Sean
Huang, Zhiheng
Karpathy, Andrej
Khosla, Aditya
Bernstein, Michael
Berg, Alexander C.
Fei-Fei, Li
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2015, 115 (03) : 211 - 252
[6] Complex cell pooling and the statistics of natural images
Hyvarinen, Aapo
Koster, Urs
[J]. NETWORK-COMPUTATION IN NEURAL SYSTEMS, 2007, 18 (02) : 81 - 100
[7] Support Vector Machines: A Nonlinear Modelling and Control Perspective[J] . Johan A.K. Suykens. European Journal of Control . 2001 (2-3)
[8] Neocognitron: A neural network model for a mechanism of visual pattern recognition[J] . Fukushima Kunihiko,Miyake Sei,Ito Takayuki. IEEE Transactions on Systems, Man, and Cybernetics . 1983 (5)
[9] Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation .2 Girshick R,Donahue J,Darrell T,et al. Computer Vision and Pattern Recognition . 2014
[10] Rapid Object Detection using a Boosted Cascade of Simple Features .2 Viola Paul,Jones Michael. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition . 2001

← 1 →