基于卷積神經網絡的人體檢測方法研究.pdf

1、在計算機視覺領域中，人體檢測是一個重要的研究課題。人體檢測是指檢測出圖像中是否有人體目標的過程，其在人工智能、智能視頻監(jiān)控、智能車輛輔助、智能人機交互系統(tǒng)等現(xiàn)今的高科技領域中都有很高的應用價值。本文采用了一種基于卷積神經網絡的人體檢測方法。卷積神經網絡是一種將深度學習理論結合到傳統(tǒng)神經網絡中的新興模式識別方法。傳統(tǒng)人體檢測方法中，通常先人工提取特征，再將特征描述輸入到一個分類器中進行訓練學習。然而，人工提取特征的過程比較復雜，且依賴于具

2、體任務，故要求研究者具有較高的學術水平且經驗豐富。卷積神經網絡不需要事先對圖像人工提取特征，而是模擬人類的視覺神經系統(tǒng)，直接對原始圖像進行逐層處理來進行識別。通過局部連接、權值共享和下采樣的方式，該方法使網絡中的參數(shù)大大減少，且對圖像一定程度的形變有較好的魯棒性。
　　本研究主要內容包括：⑴在深入學習了卷積神經網絡理論的基礎上，分析了卷積神經網絡的結構和算法思想，并根據卷積核、網絡深度、特征維數(shù)等網絡參數(shù)的不同，設計了若干網絡模型

3、。⑵將INRIA數(shù)據庫作為訓練樣本，對上述網絡模型進行實驗，通過對比識別效果，分析上述相關參數(shù)對網絡的影響，并選出性能最佳的網絡模型，該網絡訓練10次開始收斂，識別率達到95.56％。⑶鑒于深度學習多使用大樣本集，基于小樣本集采用了一種改進的算法，引入隨機Dropout，將一部分的神經節(jié)點隨機數(shù)置零，保持其權值不更新。對改進的模型在INRIA子集和自建樣本集上進行驗證。實驗證明，該方法可以在小樣本情況下提高人體的識別率，有效緩解過擬合現(xiàn)