摘要：提出了一种基于卷积神经网络(CNN)的实时鲁棒的行人检测算法。随着CNN在图像识别的广泛成功,CNN也被引用到行人检测领域,但这些方法还难以达到实时应用。在充分利用CNN强大特征表征能力的同时,提出了一种实时的行人检测算法,该算法将行人检测构建为一个回归问题,每张图像只需一次网络前向传播,直接输出行人包围框的位置以及置信度。此外,还提出了一种多尺度特征表示方法,进一步提高了行人检测的性能。最后在通用的Caltech行人检测数据集进行算法测试,实验结果验证了算法的有效性,平均检测速度可以达到50.6 fps,可以满足实时应用的需求。
分类：期刊> 自然科学与工程技术> 信息科技> 无线电电子学
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：机器视觉 行人检测 卷积神经网络 多尺度特征
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
