基于改进Faster R-CNN的近红外夜间行人检测方法

摘要

为了解决近红外夜间行人检测中传统行人检测方法识别速度慢、准确率低的问题,提出了一种改进的快速区域卷积神经网络(Faster R-CNN)夜间近红外行人检测方法.为了提取更深层次的图像信息,将特征提取网络设计为ResNet-50;统计目标的纵横比,引入附带目标比例的加权锚点框机制;对多层次的特征图进行特征图融合.在自建夜间近红外行人数据集上的实验结果表明:使用的方法与传统LBP+Haar +HOG +SVM算法及经典Faster R-CNN算法相比,夜间近红外行人检测的平均准确率(mAP)分别提升了50％和11.2％,检测速度从2000 ms/f和214 ms/f提高到190 ms/f.