如何使用級聯(lián)網(wǎng)絡(luò)進(jìn)行行人檢測的方法說明

　　針對復(fù)雜環(huán)境下行人檢測不能同時(shí)滿足高召回率與高效率檢測的問題，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的行人檢測方法。首先，采用CNN中的單步檢測升級版網(wǎng)絡(luò)YOL0v2 初步檢測行人;然后，設(shè)計(jì)一個(gè)網(wǎng)絡(luò)與Y0LOv2網(wǎng)絡(luò)級聯(lián)。設(shè)計(jì)的網(wǎng)絡(luò)具有目標(biāo)分類和邊界框回歸的功能，對YOLOv2初步檢測出的行人位置進(jìn)行再分類與回歸，以此降低誤檢提高召回率;最后，采用非極大值抑制（NMS）處理的方法去除冗余的邊界框。實(shí)驗(yàn)結(jié)果顯示，在數(shù)據(jù)集INRIA和Caltech上，所提方法與原始YOL0v2相比，召回率提高3.3個(gè)百分點(diǎn)，準(zhǔn)確率提高5.1個(gè)百分點(diǎn)，同時(shí)速度上達(dá)到了11.6 幀/s，實(shí)現(xiàn)了實(shí)時(shí)檢測。與現(xiàn)有的流行的行人檢測方法相比，所提方法具有更好的整體性能。

　　隨著智慧城市建設(shè)在國際國內(nèi)如火如荼地展開，針對智能監(jiān)控等相關(guān)計(jì)算機(jī)視覺的技術(shù)需求也日益增加。行人檢測作為計(jì)算機(jī)視覺領(lǐng)域的基礎(chǔ)任務(wù)，引起了國內(nèi)外計(jì)算機(jī)視覺領(lǐng)域?qū)＜覍W(xué)者的特別關(guān)注［1］口 傳統(tǒng)的行人檢測方法是利用人工設(shè)計(jì)的特征提取器，通過提取方向梯度直方圖（Histogramof Oriented Gradients， HOG）、 局部二值模式（ Local BinaryPattern， LBP）等特征來訓(xùn)練分類器，實(shí)現(xiàn)對行人的檢測，但人工設(shè)計(jì)的行人特征很難適應(yīng)行人行為的大幅度變化。