基于改进RPN深度网络的端到端的监控场景行人检测研究

• 作者: 孟维亮 张晓鹏 徐士彪 杨东明 杨真 葛水英
• 来源期刊: 中国体视学与图像分析
• 学科: 工学
• 关键词: 监控 行人检测 深度学习 RPN网络
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 图像分析
• 页码范围: 209-215
• 页数: 7页
• 分类号: TP37
• 语种: 中文
• DOI: 10.13505/j.1007-1482.2017.22.02.014

摘要

监控场景下的行人检测相比其他场景,具有人流量大,遮挡程度高的特点.针对该场景,本文提出基于RPN深度网络的端到端检测方案.一方面改进了RPN深度网络,结合自行设计的深度卷积网络,获得了针对行人检测的深度网络.另一方面通过引入头肩模型进一步提高了针对该场景行人检测的检测性能,同时提升了检测实时性,最终实现了端到端检测.实验表明,本文方法有效提升了监控场景行人检测的检测性能和实时性,降低了检测漏检率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟维亮	中国科学院自动化研究所	3	21	1.0	3.0
2	张晓鹏	中国科学院自动化研究所	31	371	7.0	19.0
3	杨东明	中国科学院自动化研究所	2	48	1.0	2.0
4	葛水英	中国科学院自动化研究所	5	8	2.0	2.0
5	徐士彪	中国科学院自动化研究所	9	21	2.0	4.0
6	杨真	中国科学院自动化研究所	1	0	0.0	0.0