论文部分内容阅读
行人检测是智能交通视频分析的基础技术之一,也是计算机视觉中的关键技术。本文基于卷积神经网络的Faster R-CNN框架,采用多层网络构建深度卷积神经网络,实现复杂环境下的行人检测。基于深度学习的目标检测算法从海量数据中自动学习特征,此外,还采用了基于opencv的高斯前景检测方法,将其与深度神经网络检测方法融合,从而整合了运动信息与静态检测的结果,降低了漏检率,提高了检测准确度,相比传统的目标检测算法有更好的检测效果。最后,本文给出了稀疏人群场景下的行人人数评估方法,以减少当前帧视频人数检测的误检