公开(公告)号：CN109766790B

公开(公告)日：2022-08-23

申请号：CN201811581304.6

申请日：2018-12-24

Applicant: 重庆邮电大学

Inventor： 陈乔松 ,  弓攀豪 ,  陶亚 ,  申发海 ,  范金松 ,  于越 ,  陆思翔 ,  荣巧玲 ,  官暘珺

IPC: G06V40/10 ,  G06V10/82 ,  G06V20/70 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于自适应特征通道的行人检测方法，包括如下步骤：步骤一，获取Caltech行人数据帧，基于该数据帧捕获训练集和验证集；步骤二，缩放训练集和验证集图像；步骤三，将标准化后图像作为模型输入数据；步骤四，基于Caffe开源深度学习框架设计卷积神经网络，输出图像包含行人与否的信息、行人的位置信息以及该位置存在行人的可能性；步骤五，计算模型的输出信息与对应标注信息的损失，优化并训练模型；步骤六，利用优化后的模型参数，检测真实场景图像中存在的行人，得到相应的行人检测框。本发明基于卷积神经网络，采用了转移学习以及多任务联合学习的技术，实现了端到端的行人检测方法，为行人检测的后续操作提供了重要的技术支持。

公开(公告)号：CN109766790A

公开(公告)日：2019-05-17

申请号：CN201811581304.6

申请日：2018-12-24

Applicant: 重庆邮电大学

Inventor： 陈乔松 ,  弓攀豪 ,  陶亚 ,  申发海 ,  范金松 ,  于越 ,  陆思翔 ,  荣巧玲 ,  官暘珺

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于自适应特征通道的行人检测方法，包括如下步骤：步骤一，获取Caltech行人数据帧，基于该数据帧捕获训练集和验证集；步骤二，缩放训练集和验证集图像；步骤三，将标准化后图像作为模型输入数据；步骤四，基于Caffe开源深度学习框架设计卷积神经网络，输出图像包含行人与否的信息、行人的位置信息以及该位置存在行人的可能性；步骤五，计算模型的输出信息与对应标注信息的损失，优化并训练模型；步骤六，利用优化后的模型参数，检测真实场景图像中存在的行人，得到相应的行人检测框。本发明基于卷积神经网络，采用了转移学习以及多任务联合学习的技术，实现了端到端的行人检测方法，为行人检测的后续操作提供了重要的技术支持。