井下行人检测的改进Cascade R-CNN算法

摘要：

针对井下照明情况复杂、光线不均匀、背景复杂、行人特征不明显导致基于计算机图形识别的井下行人检测效果不佳这一问题,提出一种基于改进Cascade R-CNN的井下行人检测方法,以Cascade R-CNN为基础,引入Soft-NMS替换传统NMS,充分利用Cascade R-CNN的多阶段检测模型提高检测效果.实验表明:基于改进Cascade R-CNN的井下行人检测方法可有效针对井下特殊复杂情况,在井下行人数据集上获得了91.4％的检测准确率,并使用COCO检测评价矩阵评估模型对改进Cascade R-CNN算法进行了验证,相较于传统Cascade R-CNN算法平均精准度(AP)提升约2％.

关键词：行人检测、视频监控、CascadeR-CNN、深度学习

所属期刊栏目：34

分类号：TP391.4(计算技术、计算机技术)

资助基金：安徽省省级质量工程项目;安徽三联学院院级重点项目;安徽三联学院校级质量工程项目

在线出版日期：2020-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：68-73