模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2018, Vol. 31 Issue (12): 1134-1142    DOI: 10.16451/j.cnki.issn1003-6059.201812009
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于并行通道级联网络的鲁棒行人检测
何姣姣1,2, 张永平2, 姚拓中2, 刘肯2,3, 肖江剑4
1.长安大学 电子与控制工程学院 西安 710064
2.宁波工程学院 电子与信息工程学院 宁波 315016
3.长安大学 信息工程学院 西安 710064
4.中国科学院宁波材料技术与工程研究所 先进制造所计算机视觉 宁波 315201
Robust Pedestrian Detection Based on Parallel Channel Cascade Network
HE Jiaojiao1,2, ZHANG Yongping2, YAO Tuozhong2, LIU Ken2,3, XIAO Jiangjian4
1.School of Electronic Control, Chang'an University, Xi'an 710064
2.School of Electronic and Information Engineering, Ningbo University of Techology, Ningbo 315016
3.School of Information Engineering, Chang'an University, Xi'an 710064
4.Advanced Manufacturing Institute Computer Vision Team, Ningbo Institute of Materials Technology and Engineering, Chinese Academy of Sciences, Ningbo 315201

全文: PDF (1898 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对广角视场下远处行人分辨率较低、存在不同程度的畸变的问题,文中提出基于并行通道级联网络的鲁棒行人检测算法.以更快的区域卷积神经网络(Faster RCNN)为基础,引入差分图作为弱监督信息,再引入基于通道级联网络(CCN).然后设计并行CCN,将差分图和原图同时作为并行网络输入,融合更丰富的图像特征.最后在候选区域建议网络中,结合行人尺度在图像中分布的特点,聚类确定符合行人特点的搜索框.实验表明,文中算法在广角视场存在畸变情况下更有利于小尺寸行人检测.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
何姣姣
张永平
姚拓中
刘肯
肖江剑
关键词 并行级联通道网络小尺寸行人检测广角监控区域候选聚类    
Abstract:In the wide-angle field with perspective distortion, the resolution of distant pedestrian is low and there is distortion in a broad range of scales. Aiming at these problems, a robust pedestrian detection algorithm based on parallel channel cascade network is proposed. Firstly, differential information is introduced as weak supervisory information. Secondly, a new feature extraction network, channel cascade network(CCN), is proposed. On this basis, a parallel CCN is designed, and the difference map and the original map are utilized as its input. More abundant image features are fused. Finally, in the region proposal network, the distribution of pedestrians in the picture is characterized by clustering, and anchors meeting the pedestrian's characteristics are clustered. Experimental results show that the proposed algorithm is better than the standard Faster-RCNN algorithm and FPN algorithm for small-scale pedestrian detection in the presence of wide-angle field of view distortion.
Key wordsParallel Cascade Channel Network    Small Size Pedestrian Detection    Wide-Angle Monitoring    Regional Candidate Clustering   
收稿日期: 2018-08-13     
ZTFLH: TP 391.41  
  TP 18  
基金资助:国家自然科学基金项目(No.61771270)、浙江省自然科学基金项目(No.2017A610109,LQ15F020004)、浙江省重点研发计划项目(2018C01086)、国家关键技术研发计划项目(No. 2015BAF14B01)、宁波市自然科学基金项目(2018A610160)资助
作者简介: 何姣姣,硕士研究生,主要研究方向为计算机视觉、图像处理.E-mail:1214158021@qq.com.
张永平(通讯作者),博士,教授,主要研究方向为计算机视觉、模式识别、图像处理与分析.E-mail:ypz@nbut.edu.cn.
姚拓中,博士,讲师,主要研究方向为全向视觉传感器、广域多目标跟踪算法、有限元方法及其应用研究.E-mail:thomasyao@zju.edu.cn.
刘 肯,硕士研究生,主要研究方向为计算机视觉、图像处理.E-mail:1060169568@qq.com.
肖江剑,博士,研究员,主要研究方向为计算机视觉、视频处理、车辆跟踪与智能交通、模式识别.E-mail:xiaojj@nimte.ac.cn.
引用本文:   
何姣姣, 张永平, 姚拓中, 刘肯, 肖江剑. 基于并行通道级联网络的鲁棒行人检测[J]. 模式识别与人工智能, 2018, 31(12): 1134-1142. HE Jiaojiao, ZHANG Yongping, YAO Tuozhong, LIU Ken, XIAO Jiangjian. Robust Pedestrian Detection Based on Parallel Channel Cascade Network. , 2018, 31(12): 1134-1142.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201812009      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2018/V31/I12/1134
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn