基于改进Fast R-CNN的红外图像行人检测研究

• 作者: 向郑涛 吕坚 周云 车凯 陈宇峰
• 来源期刊: 红外技术
• 学科: 工学
• 关键词: 快速区域卷积神经网络 红外图像 行人检测 自适应ROI提取 加权锚点框
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 图像处理与仿真
• 页码范围: 578-584
• 页数: 7页
• 分类号: TP391
• 字数: 4071字
• 语种: 中文

摘要

针对红外图像行人检测任务中行人细节信息少,特征提取计算量大以及易受背景影响等问题,提出了一种改进的Fast R-CNN(快速区域卷积神经网络)红外图像行人检测方法.改进主要涉及两个方面:①结合红外图像的特点提出了一种自适应ROI提取算法,在不影响检测准确率的前提下,降低了ROI数量,使得网络的计算量减小;②提出了一种加权锚点框的定位机制,基于3种不同宽高比锚点框的检测置信度进行坐标加权,获得更准确的定位框.实验结果表明,本文提出的改进方法与传统的Haar+LBP+ HOG+ SVM算法及Fast R-CNN算法相比,红外图像行人检测的准确率从80.3％和91.2％提高到92.3％,检测速度从68 ms/f和25 ms/f提高到12 ms/f,提高了系统的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕坚		35	246	10.0	13.0
2	陈宇峰		44	198	7.0	13.0
3	车凯		8	15	2.0	3.0
4	向郑涛		1	5	1.0	1.0
5	周云		1	5	1.0	1.0