一种基于单目视觉与深度学习的行人目标检测识别方法

摘要

本发明属于行人目标检测技术领域，公开了一种基于单目视觉与深度学习的行人目标检测识别方法；建立小样本行人数据集，收集真实场景下的道路行人图像；基于整图候选和单回归的基于深度特征的目标检测算法进行行人检测；通过二次迁移学习在VOC数据集和小样本行人数据集上微调网络较高层的权值参数；基于相位一致的多尺度金字塔图像特征提取，提取行人图像的轮廓特征，得到多尺度金字塔特征图；采用平衡的焦点损失函数代替交叉熵损失函数衡量目标的分类准确度。本发明利用CNN获取深度特征，训练可变形部件模型，有效的提高了检测精度；引入迁移学习通过分析AlexNet模型中的隐层可以发现，提高了行人目标检测和识别的准确率。