[发明专利]交通环境下基于深度神经网络的行人检测方法在审
| 申请号： | 201810100461.4 | 申请日： | 2018-02-01 |
| 公开（公告）号： | CN108334840A | 公开（公告）日： | 2018-07-27 |
| 发明（设计）人： | 黄立勤;朱飘 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/42;G06N3/08 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 蔡学俊 |
| 地址： | 350108 福建省福*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 行人数据 交通环境 行人检测 神经网络 筛选 数据格式转换 复杂背景 内在联系 视角变化 完整数据 有效解决 对齐性 数据集 分辨率 多样性 学习 | ||
【权利要求书】：
1.一种交通环境下基于深度神经网络的行人检测方法，其特征在于，包括如下步骤：
步骤S1、获取针对交通环境下行人检测的行人数据；
步骤S2、从行人数据中筛选出有误差的数据或者不完整数据；
步骤S3、将筛选后的行人数据进行数据格式转换，以满足设计的模型或者调整模型，从而更好的学习行人数据中的内在联系。
2.根据权利要求1所述的交通环境下基于深度神经网络的行人检测方法，其特征在于，所述步骤S1，通过CityPersons数据集获取行人数据。
3.根据权利要求2所述的交通环境下基于深度神经网络的行人检测方法，其特征在于，所述步骤S2中，行人数据的筛选过程，包括对CityPersons数据集中没有行人只有背景的图片进行剔除的过程。
4.根据权利要求1所述的交通环境下基于深度神经网络的行人检测方法，其特征在于，所述步骤S3中，对筛选后的行人数据进行数据格式转换的过程，需进行图片尺寸的变换，并采用两种数据增广的策略：其一、随机抽取图像块，图像块与目标的IOU为0.1、0.3、0.5、0.7、0.9，或图像块本身的大小是原图的0.1倍到1倍不等；其二、缩放图片到固定大小后水平翻转。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于福州大学，未经福州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810100461.4/1.html，转载请声明来源钻瓜专利网。
