行人检测技术一直是机器视觉领域的研究热点和难点,为智能监控、车辆辅助驾驶以及建设智慧城市等方面供了重要的技术保障。近年来,卷积神经网络在图像处理领域取得了很多突破性进展,它是通过模拟人类大脑学习的过程,直接从图像像素中取图像特征,并将特征取与分类器结合到一个学习框架下,对相关对象进行分类识别。本文在充分研究行人检测技术以及卷积神经网络模型的基础上,设计了一个基于卷积神经网络的行人头肩检测模型,应用于行人检测。1.人体头肩部位相对于整个行人不易产生遮挡,具有稳定的轮廓特征,因此本文以行人头肩部位作为检测对象。根据人体头肩部位具有固定的比例特征,出基于边缘检测的帧间差分法和混合高斯模型的人体头肩部位检测的改进算法。首先将边缘取和帧间差分法结合,通过对连续图像进行边缘特征取,将得到的具有边缘特征的图像做三帧差分运算;其次对该连续图像进行混合高斯取。最后对两种方法得到的结果进行差值运算,获得人体头肩部位。2.利用Le Net-5卷积神经网络对人体头肩部位进行识别时,存在收敛性差的问题,经过分析得出由卷积核的大小和网络层数造成。系统分析了神经网络层数、卷积核大小对识别效果的影响,设计出了一种适用于人体头肩检测的卷积神经网络结构。通过多次实验可得,当卷积神经网络的层数为7层,卷积核大小为5×5时,模型的识别效果最佳。3.通过对行人头肩部位取和利用卷积神经网络对行人头肩部位进行分类的研究,本文设计了一个行人检测系统。通过实验对比,本文方法可以达到96%的准确率,同时缩减了检测时间,能够避免因为肢体遮挡引起的误差,对骑自行车和电动车的行人有较好的检测效果。