基于Faster R-CNN的人体行为检测研究

• 作者: 汪海波 莫宏伟
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 人体行为检测 更快速区域卷积神经网络 在线难例挖掘 深度学习 目标检测 卷积神经网络 批规范化 迁移学习
• 年，卷（期）: 2018,（6）
• 页码范围: 967-973
• 页数: 7页
• 分类号: TP181
• 字数: 4895字
• 语种: 中文
• DOI: 10.11992/tis.201801025

摘要

由于人体行为类内差异大,类间相似性大,而且还存在视觉角度与遮挡等问题,使用人工提取特征的方法特征提取难度大并且难以提取有效特征,使得人体行为检测率较低.针对这个问题,本文在物体检测的基础上使用检测效果较好的Faster R-CNN算法来进行人体行为检测,并对Faster R-CNN算法与批量规范化算法和在线难例挖掘算法进行结合,有效利用了深度学习算法实现人体行为检测.对此改进算法进行实验验证,验证的分类和位置精度达到了80％以上,实验结果表明,改进的算法具有识别精度高的特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	莫宏伟	哈尔滨工程大学自动化学院	93	922	17.0	26.0
2	汪海波	哈尔滨工程大学自动化学院	1	7	1.0	1.0