[发明专利]基于级联超分辨率网络与改进Faster R-CNN的隧道行人目标检测方法在审
| 申请号： | 201910425679.1 | 申请日： | 2019-05-21 |
| 公开（公告）号： | CN110188807A | 公开（公告）日： | 2019-08-30 |
| 发明（设计）人： | 赵敏;孙棣华;梅莹 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 北京汇泽知识产权代理有限公司 11228 | 代理人： | 武君 |
| 地址： | 400044 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于级联超分辨率网络与改进Faster R‑CNN的隧道行人目标检测方法，包括以下步骤：步骤S1：训练超分辨率网络，得到SRCNN超分辨率网络模型；步骤S2：获取隧道行人训练样本并对行人进行标注；步骤S3：对标注框尺寸比例进行聚类，选取RPN网络中合适的锚边框尺寸；步骤S4：训练Faster R‑CNN网络，获取训练好的模型；步骤S5：采用训练好的模型对隧道行人目标进行检测，得到检测结果。该方法相较于原始Faster R‑CNN网络，具有更高的检测精度，可以有效应用于隧道环境下低分辨率行人目标检测问题。 | ||
| 搜索关键词： | 超分辨率 行人目标检测 隧道 网络 级联 边框 低分辨率 检测结果 隧道环境 网络模型 训练样本 标注框 检测 聚类 标注 改进 | ||
【主权项】：
1.基于级联超分辨率网络与改进Faster R‑CNN的隧道行人目标检测方法，其特征在于：步骤S1：训练超分辨率网络，得到SRCNN超分辨率网络模型；步骤S2：获取隧道行人训练样本并对行人进行标注；步骤S3：根据上一步标注信息得到训练样本中隧道行人的尺寸大小和长宽比例；然后采用K‑Means聚类算法对上述步骤得到的行人尺寸大小和长宽比例进行聚类，得到最终适合隧道行人目标的锚边框尺寸比例；步骤S4：训练Faster R‑CNN网络，获取训练好的模型；步骤S5：采用训练好的SRCNN模型和Faster R‑CNN模型对隧道行人目标进行检测，得到检测结果。
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重庆大学，未经重庆大学许可，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/201910425679.1/，转载请声明来源钻瓜专利网。
