基于头肩卷积特征的人体目标检测方法研究及应用

目录

声明

第一章 绪 论

1.1 研究工作的背景与意义

1.2 国内外研究现状

1.3 监控场景下人体目标检测的技术难点

1.4 本文的主要贡献和创新

1.5 本文的组织结构

第二章 人体目标检测算法的基本理论

2.1 传统的人体目标检测方法

2.1.1 HOG特征及其改进

2.1.2 DPM可形变部件模型

2.2 基于深度学习的目标检测算法

2.2.1 SPP-Net和Fast RCNN

2.2.2 Faster RCNN

2.3 基于深度学习的人体目标检测算法

2.3.1 Scale-aware Fast R-CNN

2.3.2 集成通道特征的Faster RCNN

2.4 人体目标检测算法所用的数据集和评价指标

2.4.1 人体目标检测所用到的数据集

2.4.2 人体目标检测算法的评价指标

2.5 本章小结

第三章 拥挤场景下基于头肩卷积特征的人体目标检测方法

3.1 本文提出方法的整体框架

3.1.1 位置敏感得分图以及空间池化

3.2 基于头肩卷积特征的表征模型

3.2.1 数据集遮挡情况统计

3.2.2 头肩卷积特征可视化

3.2.3 头肩特征与全身表征模型对比分析

3.3 基于头肩卷积特征的多尺度特征学习

3.4 人体目标检测中NMS算法的改进

3.5 本章小结

第四章 基于难例挖掘策略的人体目标检测方法

4.1 生成对抗网络概述

4.2 基于ASDN的行人遮挡对抗训练

4.3 在线难例挖掘策略OHEM

4.4 ASDN与OHEM的对比分析

4.5 本文提出的检测算法与现有算法的对比实验

4.5.1 模型参数量和计算量的对比分析

4.5.2 实际监控场景下人体目标检测的应用

4.6 本章小结

第五章 全文总结与展望

致谢

参考文献

攻读硕士学位期间取得的成果