结合Faster RCNN和相似性度量的行人目标检测

被引：9

作者：

李宗民 ^{[1
]}

邢敏敏 ^{[1
]}

刘玉杰 ^{[1
]}

李华 ^{[2
]}

机构：

[1] 中国石油大学(华东)计算机与通信工程学院

[2] 中国科学院大学中科院计算所

来源：

图学学报 | 2018年 / 39卷 / 05期

关键词：

行人检测; 目标候选集筛选; 特征相似性度量; 模板匹配;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

行人检测是计算机视觉领域的一个研究热点,针对目前算法中常采用非极大值抑制和硬阈值筛选的方法作为后处理,容易造成误检和漏检的问题,提出一种基于相似性度量的行人目标检测方法。首先,采用Faster RCNN生成一系列的目标候选集,应用非极大值抑制对候选集进行初步筛选,然后由较高置信度的目标区域建立特征模板,再根据特征相似性对较低置信度的目标区域做进一步判别,最后将筛选后的目标候选集和模板区域作为检测结果。在VOC、INRIA、Caltech数据集的实验结果证明,基于相似性度量的算法提高了行人检测的准确率。

引用

页码：901 / 908

页数：8

共 7 条

[1] 基于卷积神经网络的人流量统计 [J].