基于SSD的多特征刑侦场景识别

被引：6

作者：

姚红革 ^{[1
]}

白小军 ^{[1
,2
]}

杨浩琪 ^{[1
]}

机构：

[1] 西安工业大学计算机科学与工程学院

[2] 电子信息现场勘验应用技术公安部重点实验室

来源：

西安邮电大学学报 | 2018年 / 23卷 / 04期

关键词：

SSD目标检测; 刑侦图像; 小目标;

D O I：

10.13682/j.issn.2095-6533.2018.04.005

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

将基于深度学习的SSD(Single Shot MultiBox Detector)目标检测方法应用于刑侦图像目标检测中。通过对目标进行多尺度特征提取,将小目标与大目标采用不同级别的特征图方式进行融合识别。实验测试结果表明,SSD方法明显地提高了小目标在刑侦图像中的检测率,且与Faster R-CNN相比发现,在置信阈度为0.5时,SSD的检测精度接近Faster R-CNN,mAP(Mean Average Precision)达到94.8%,检测速度远超Faster R-CNN,帧频FPS达到58Hz。实验结果说明SSD方法在刑侦图像目标识别上具有特别优势。

引用

页码：28 / 33

页数：6

共 8 条

[1] 基于深度学习的目标跟踪方法研究现状与展望 [J].

罗海波 ;

许凌云 ;

惠斌 ;

常铮 .

红外与激光工程, 2017, 46 (05) :14-20

[2] 利用图像区域自然尺度特征的海面舰船目标检测 [J].

何四华 ;

杨绍清 ;

邵晓方 ;

石爱国 .

红外与激光工程, 2011, 40 (09) :1812-1817

[3] Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks [J].

Ren, Shaoqing ;

He, Kaiming ;

Girshick, Ross ;

Sun, Jian .

IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, 2017, 39 (06) :1137-1149

[4] Object Detection with Discriminatively Trained Part-Based Models [J].

Felzenszwalb, Pedro F. ;

Girshick, Ross B. ;

McAllester, David ;

Ramanan, Deva .

IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, 2010, 32 (09) :1627-1645

[5] Facial expression recognition based on Haar-like feature detection [J].

Panning A. ;

Al-Hamadi A.K. ;

Niese R. ;

Michaelis B. .

Pattern Recognition and Image Analysis, 2008, 18 (03) :447-452

[6] Distinctive image features from scale-invariant keypoints [J].

Lowe, DG .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110

[7] A tutorial on Support Vector Machines for pattern recognition [J].

Burges, CJC .

DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167

[8]

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 →