针对全卷积神经网络对单帧红外图像行人检测计算量大、检测率较低等问题,提出了一种改进的LeNet-7系统对红外图像行人检测的方法。该系统包含3个卷积层、3个池化层,通过错误率最小的试选法确定每层参数,以波士顿大学建立的BU-TIV数据库...针对全卷积神经网络对单帧红外图像行人检测计算量大、检测率较低等问题,提出了一种改进的LeNet-7系统对红外图像行人检测的方法。该系统包含3个卷积层、3个池化层,通过错误率最小的试选法确定每层参数,以波士顿大学建立的BU-TIV数据库训练系统。首先,以俄亥俄州立大学建立的OTCBVS和Terravic Motion IR Database红外数据库作为测试图像;然后,采用自适应阈值的垂直和水平投影法得到感兴趣区域(regions of interest,ROI);最后,将得到的ROI输入训练好的系统进行测试。3个测试集检测实验表明,本文方法具有良好的识别能力,与不同实验方法相比,本文方法能有效提高检测率。展开更多
文摘针对全卷积神经网络对单帧红外图像行人检测计算量大、检测率较低等问题,提出了一种改进的LeNet-7系统对红外图像行人检测的方法。该系统包含3个卷积层、3个池化层,通过错误率最小的试选法确定每层参数,以波士顿大学建立的BU-TIV数据库训练系统。首先,以俄亥俄州立大学建立的OTCBVS和Terravic Motion IR Database红外数据库作为测试图像;然后,采用自适应阈值的垂直和水平投影法得到感兴趣区域(regions of interest,ROI);最后,将得到的ROI输入训练好的系统进行测试。3个测试集检测实验表明,本文方法具有良好的识别能力,与不同实验方法相比,本文方法能有效提高检测率。
