文献类型：期刊文章

作　　者：李伟山[1] 卫晨[2] 王琳[1]

LI Weishan;WEI Chen;WANG Lin(School of Communication and Information Engineering,Xi’an University of Posts and Telecommunications,Xi’an 710121,China;School of Economics and Management,Xi’an University of Posts and Telecommunications,Xi’an 710121,China)

机构地区：[1]西安邮电大学通信与信息工程学院,西安710121 [2]西安邮电大学经济与管理学院,西安710121

出　　处：《计算机工程与应用》

基　　金：陕西省科技厅资源主导型产业关键技术(链)工业领域项目(No.2015KTCXSF-10-13)

年　　份：2019

卷　　号：55

期　　号：4

起止页码：200-207

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对煤矿井下环境恶劣、光照差、背景混杂、行人模糊、行人多尺度等问题,提出了一种改进的Faster RCNN煤矿井下行人检测方法,使用深度卷积神经网络代替传统的手工设计特征方式自动地从图片中提取特征。利用深度学习通用目标检测框架Faster RCNN,以Faster RCNN算法为基础,对候选区域网络(Region Proposals Network,RPN)结构进行了改进,提出了一种"金字塔RPN"结构,来解决井下行人存在的多尺度问题;同时算法中加入了特征融合技术,将不同卷积层输出的特征图进行融合,增强煤矿井下模糊、遮挡和小目标行人的检测性能。实验结果表明:改进的Faster RCNN可以有效解决井下行人检测问题,在井下行人数据集上获得了90%的检测准确率,并在公测数据集VOC 07上对改进算法进行了验证。

关 键 词：深度学习  FASTER RCNN  行人检测

分 类 号：TP391]