本发明公开了一种基于超分辨率的高速公路行人检测方法，对数据集进行双三次下采样操作，获得对应的高分辨率图像，并从数据集提取模糊核和噪声，构造低分辨率图像。采用得到的高分辨率图像和低分辨率图像训练超分辨率生成对抗网络，得到超分辨率生成器。将待识别的低分辨率图像输入到训练好的超分辨率生成器中，然后采用特征点检测网络提取特征点，并计算总权重，如果计算得到的总权重大于设定的权重阈值，则判断为行人。本发明使用超分辨率算法来为小尺寸的行人补充细节信息，并利用人体特征点信息进一步筛选，提升了检测精度，减少了误报率，还能适应不同的应用场景。
📄 2022103757982
📂 G06V20_52
👤 浙江工业大学
📅 2022-04-11
一种高速服务区行人的检测方法，包括如下步骤：1)制作高速服务区密集行人数据集，并利用pycococreate工具包转化为COCO数据集，确定使用改进的FCOS算法进行检测。2)使用目标中心点到边界框四条边的距离将特征图分割为四个部分，并从中随机选取部分特征图，放大该特征切块区域，将其上采样至原特征图大小，之后再将另一部分特征区块以左上‑左下、左上‑右上等方式进行组合，最后把所有处理后的特征切块图像一起送入maxout单元，训练网络能够更好地兼顾局部信息和全局信息。3)对FCOS中采用的损失函数进行优化。本发明能够改进FCOS算法检测密集行人时效果不佳的问题，大幅提高了目标检测的准确率。
📄 2021103116635
📂 G06V20_52
👤 浙江工业大学
📅 2021-03-24
一种基于CSP模型的多级特征融合行人检测方法，采用CSP架构，使用CNN提取行人特征，然后网络分为3支分别预测目标中心点、目标高度和中心点偏移量，图像预处理后，使用PyconvResNet‑101作为特征提取网络从输入图像中提取特征图，将所得的不同阶段的特征图进行多级融合后得到最终的特征图送入预测网络，预测网络使用Focal Loss和Smooth L1进行训练，预测图中目标中心点、目标高度和中心点偏移量并生成目标检测框，使用非极大值抑制算法去除冗余的检测框得到最终的检测结果。本发明可充分融合高层特征图丰富的语义信息和低层特征图丰富的位置信息，有效减少小目标和严重遮挡情况下的误检和漏检。
📄 2021102959111
📂 G06V20_52
👤 浙江工业大学
📅 2021-03-19
本发明公开了一种基于HOG特征和线性SVM级联分类器的行人检测方法，主要用于通过提高智能车在行驶过程中实施行人检测的准确性，从而解决智能车在行驶过程中的的安全问题。为了打破传统的基于HOG和SVM的行人检测算法在提取行人HOG特征时，行人必须大体上保持直立姿势的局限性，本发明提出将行人分为站立、蹲下、弯腰三种不同的肢体动作，分别作为一种正样本数据集训练成相应的弱分类器，再将得到的三个弱分类器集成为一个强分类器，并将该级联结构的强分类器作为智能车行人检测模型的方法。
📄 2019100066529
📂 G06K9_00
👤 南京邮电大学
📅 2019-01-04
本发明公开了一种基于计算机视觉的快速行人检测方法，此方法包括：首先，采集行人视频图像，然后采用ViBe算法为视频图像帧建立背景模型，通过融合帧差法的ViBe算法分割出前景区域；然后，计算各目标块轮廓的最高点坐标，完成头部候选区域的定位；最后，使用目标检测窗口对头部候选区进行遍历获取待检测样本，将待测样本输入经过Adaboost算法训练好的复合头部检测器，判断是否为人头样本，以此得到行人检测结果。本方发明通过以上技术方案有效的解决了现有技术中鲁棒性和实时性差的技术问题。
📄 2014101108121
📂 G06K9_00
👤 重庆邮电大学
📅 2014-03-24
本发明涉及图像处理技术领域，特别涉及暗视觉条件下的双摄像头实时行人检测系统，包括中央处理单元以及：红外摄像头，用于采集红外视频图像；可见光摄像头，用于采集可见光视频图像；红外图像检测单元，用于检测红外图像中的候选目标是否有人体目标，确定红外图像中没有人体目标的候选目标位置；可见光图像检测单元，用于对与用于对与红外图像同一时刻的可见光图像进行检测，检测可见光图像中与红外图像中没有人体目标的候选目标位置相同的位置是否有人体目标；本发明检测区域选取模块中标记出红外检测后不认为是人体目标的候选目标，再根据不认为是人体目标的候选目标的位置对应可见光图像相应位置，然后用可见光方法检测。
📄 2016102679711
📂 G06K9_00
👤 重庆邮电大学
📅 2016-04-27
本发明属于图像及视频处理技术领域，尤其为一种面向密集人群的深度行人检测方法，包括以下几个步骤：采用基于全局特征的卷积神经网络提取图像中行人候选框，根据置信分数和相互交叠程度，从中定位人群图像区域，并选择出较可靠独立行人和非独立行人目标；对人群区域图像进行自适应尺度变换后合并成一幅紧凑人群图像，采用基于局部特征的自底向上卷积神经网络提取人群中的行人关键点集；检测并排除虚假行人关键点后定位行人，与非独立行人目标进行比较分析后得到人群中的行人检测结果。本发明，在基于全局特征的深度行人检测基础上，定位人群图像区域，采用基于行人关键点的自底向上深度行人检测方法，避免了对非极大值抑制类方法和技术的依赖，并综合了两类深度行人检测方法的优势，从而提高密集人群中行人检测的准确性和定位精度。
📄 2018115931555
📂 G06V20_52
👤 西华大学
📅 2018-12-20
本发明公开了一种异源视频融合的夜视抗晕光行人检测及跟踪方法。该方法依据帧间差异阈值和最大隔帧阈值为条件，自适应选择检测帧，其中通过两帧图像的特征向量余弦夹角阈值与间隔帧数、检测帧视觉效果的相关性来确定帧间差异阈值，能在满足人眼视觉特性的前提下最大程度地减少检测帧数，提高夜视抗晕光行人检测的处理效率，并能解决间歇性循环检测‑跟踪时因视频帧内容差异过大而造成的漏检和差异过小造成的多检问题；引入最大隔帧阈值，能够克服检测跟踪时视频帧内容差异过小导致更新不及时、跟踪丢失出错等问题，提高夜视抗晕光行人检测的精度和容错能力。
📄 2020108968815
📂 G06K9_00
👤 西安工业大学
📅 2020-08-31
本发明涉及一种融合注意力机制的实时行人检测方法，属于目标检测领域。本发明为了提高Tiny YOLOV3目标检测算法在行人检测任务中的准确率，对该算法进行研究改进。本发明首先对Tiny YOLOV3的特征提取网络进行深化，增强网络特征提取能力；然后在预测网络的两个检测尺度分别加入通道域注意力机制，对特征图的不同通道赋予不同的权重，引导网络更多关注行人的可视区域；最后，改进激活函数和损失函数并采用K‑means聚类算法重新选择初始候选框。本发明提高了行人的检测精度，保持了较快的检测速度，满足实时性运行需求。
📄 2021100494266
📂 G06V40_10
👤 青岛科技大学
📅 2021-01-14
本发明提出了一种基于激活函数的改进YOLOv4车辆行人检测算法；构造了零点处梯度并不突变的FMish激活函数，保证信息流动，不会出现“梯度消失”；本发明在Dense‑YOLOv4与Dense‑YOLOv4‑Small网络结构的基础上，将全部的激活函数替换为FMish激活函数；本发明将KITTI道路目标数据集中的“Misc”和“Dontcare”剔除得到KITTI‑7classes道路目标数据集，在KITTI‑7classes数据集上对三个模型进行训练，并比较了检测速度和检测性能；基于FMish激活函数的网络模型不仅避免饱和问题，而且避免了“梯度爆炸”问题，保证训练过程的稳定性，提升检测效果。
📄 2022100070935
📂 G06V20_54
👤 西安电子科技大学,陕西理工大学
📅 2022-01-05
本发明提供一种基于嵌入式设备改进CenterNet的行人检测方法，包括以下步骤：步骤S1：使用BiFPN结构改进优化CenterNet的骨干网络；步骤S2：统计行人数据集标注框宽高比，并据此设置好每个标注框对应的高斯核分布；步骤S3：据步骤S2设置好的高斯核分布宽高比改进训练过程中的高斯核以及损失函数；步骤S4：按步骤S2中统计行人检测框宽高比的数据集进行训练；步骤S5：将训练好的模型进行量化、加速，移植到嵌入式设备；步骤S6：在嵌入式设备上开启服务端，对模型移植后的检测效果进行评估。改进后的CenterNet模型能够有效的提取深度特征，避免复杂的网络结构带来的庞大参数量，在嵌入式设备上有更快的运行速度，同时在行人检测的精度上也得到提升。
📄 2020114023786
📂 G06V40_10
👤 燕山大学
📅 2020-12-02
本发明为应对复杂背景影响下自动驾驶的行人检测方法与系统，所述检测方法包括：获取不同背景与不同遮挡程度下的行人图像组成的数据集；构建AD‑YOLO‑RPBNet模型，主干部分包括四组由卷积块和多样分支C3K2模块组成的串行结构；在模型的颈部部分的第一列引入一个多样分支C3K2模块，在第二列引入交替的三个多样分支C3K2模块，第二列的每个多样分支C3K2模块的输出均经过一个DELA模块连接一个检测头；利用获得的数据集训练模型，以训练后的模型用于应对复杂背景影响下自动驾驶的行人检测。能够在各种复杂背景下保持高准确性和鲁棒性，同时具备实时处理的能力，提高车辆行人目标检测在复杂背景环境下的性能。
📄 2025105131958
📂 G06V40_20
👤 华东交通大学
📅 2025-04-23
柿子坊 · 知识产权运营
柿子坊知识产权运营平台