基于深度學(xué)習(xí)網(wǎng)絡(luò)的多光譜行人檢測與分割方法研究.pdf

1、全時段的行人檢測與分割技術(shù)在智能監(jiān)控、車輛輔助駕駛等領(lǐng)域中都有著重要的應(yīng)用。近年來，隨著深度卷積神經(jīng)網(wǎng)絡(luò)在機器視覺領(lǐng)域的卓越表現(xiàn)，基于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行行人檢測與分割技術(shù)的研究也引起了眾多學(xué)者的熱切關(guān)注。另一方面，可見光圖像在不良照明條件下的成像缺陷使得熱紅外圖像成為基于視覺進(jìn)行全時段行人檢測與分割的重要手段。為此，本論文基于近年來深度卷積網(wǎng)絡(luò)在目標(biāo)檢測與分割領(lǐng)域的興起及大型多光譜行人檢測數(shù)據(jù)庫的提出，詳細(xì)探討了多光譜信息在基于深度卷積網(wǎng)

2、絡(luò)進(jìn)行行人檢測與分割方法中的應(yīng)用，具體工作主要包括:
　　1、在深入理解卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測中的工作機理基礎(chǔ)上，設(shè)計并實現(xiàn)了基于SSD(Single Shot Detector)架構(gòu)的多光譜信息前端融合和后端融合結(jié)構(gòu)。通過網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計實現(xiàn)可見光和紅外圖像信息的融合，提高了全時段的行人檢測性能。
　　2、研究并測試了像素級圖像融合方法在基于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行行人目標(biāo)檢測方法中的應(yīng)用，并通過多級融合方式的結(jié)合，研究不同融合方式

3、之間的互補性。實驗表明，像素級融合與前后端融合結(jié)構(gòu)的結(jié)合可以進(jìn)一步降低行人檢測的漏檢率。特別地，后端融合框架與基于聯(lián)合雙邊濾波器方法的結(jié)合在夜晚行人檢測中達(dá)到了最佳效果，平均漏檢率比單獨的后端融合架構(gòu)減少約11％。
　　3、在深入理解卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)分割中的工作機理基礎(chǔ)上，設(shè)計并實現(xiàn)了兩種基于PSPNet(Pyramid Scene Parsing Network)架構(gòu)的多光譜行人分割網(wǎng)絡(luò)，實驗結(jié)果表明設(shè)計結(jié)構(gòu)可以較好地利用可見