[发明专利]基于深度卷积神经网络的行人检测方法有效
| 申请号： | 201810280444.3 | 申请日： | 2018-04-02 |
| 公开（公告）号： | CN108596044B | 公开（公告）日： | 2021-05-07 |
| 发明（设计）人： | 芮挺;费建超;杨成松;周游;唐建;王东;殷勤;宋小娜;张赛;肖锋;邹君华;张釜凯 | 申请（专利权）人： | 中国人民解放军陆军工程大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 吴茂杰 |
| 地址： | 210007 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于深度卷积神经网络的行人检测方法，包括如下步骤：(10)样本集收集：将样本集图像分为训练集与测试集；(20)样本图像预处理：对样本集图像进行尺寸变换、对比度归一化和白化处理，得到低冗余样本灰度图像；(30)深度卷积网络模型获取：利用低冗余训练样本，采用连续dropout策略，对深度卷积网络进行训练，利用测试集样本对深度卷积网络进行测试，得到深度卷积网络模型；(40)行人检测：利用深度卷积网络模型，对使用现场图像进行行人检测。本发明的基于深度卷积网络的行人检测方法，通过连续dropout策略，在保持网络训练精度的同时，获得更好的泛化能力，从而在行人检测中得到更高的正确率。 | ||
| 搜索关键词： | 基于 深度 卷积 神经网络 行人 检测 方法 | ||
【主权项】：
1.一种基于深度卷积神经网络的行人检测方法，其特征在于，包括如下步骤：(10)样本集收集：将收集到的样本集图像分为训练样本集图像与测试样本集图像两类；(20)样本图像预处理：对训练样本集图像和测试样本集图像进行尺寸变换、对比度归一化和白化处理，得到低冗余训练样本灰度图像和低冗余测试练样本灰度图像；(30)深度卷积网络模型获取：利用低冗余训练样本灰度图像，采用连续dropout策略，对深度卷积网络进行训练，利用测试集样本灰度图像对深度卷积网络进行测试，得到深度卷积网络模型；(40)行人检测：利用深度卷积网络模型，对使用现场图像进行行人检测。
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中国人民解放军陆军工程大学，未经中国人民解放军陆军工程大学许可，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/patent/201810280444.3/，转载请声明来源钻瓜专利网。
