基于深度学习的复杂背景下目标检测.pdf

第３２卷第４期重庆理工大学学报（自然科学）２０１８年４月Ｖｏｌ．３２Ｎｏ．４ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）Ａｐｒ．２０１８ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（ｚ）．２０１８．０４．０２６本文引用格式：王志陈平潘晋孝．基于深度学习的复杂背景下目标检测［Ｊ］．重庆理工大学学报（自然科学）２０１８（４）：１７１－１７６．Ｃｉｔａｔｉｏｎｆｏｒｍａｔ：ＷＡＮＧＺｈｉＣＨＥＮＰｉｎｇＰＡＮＪｉｎｘｉａｏ．ＯｂｊｅｃｔＤｅｔｅｃｔｉｏｎＢａｓｅｄｏｎＤｅｅｐＬｅａｒｎｉｎｇｉｎＣｏｍｐｌｅｘＢａｃｋｇｒｏｕｎｄ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）２０１８（４）：１７１－１７６．基于深度学习的复杂背景下目标检测王志陈平潘晋孝（中北大学信息探测与处理山西省重点实验室太原０３００５１）摘要：针对某些静态图像背景复杂受环境因素（光照、遮挡、掩盖等）影响较大的问题提出一种基于深度学习算法的卷积神经网络（ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓＣＮＮ）结构对目标进行检测。利用ＣＮＮ网络可自主提取图像特征并进行学习的优点避免了复杂的人工特征选择和提取过程。通过一种区域合并的方法进行端到端的交替训练在复杂背景图像的处理中体现出较优的性能。ＣＮＮ的局部连接、权值共享及池化操作等特性使之可以有效地降低网络的复杂度、减少训练参数的数目、提高检测效率。试验验证结果表明：此方法在互联网图像数据库检测方面达到了较高的精度。采用坦克模型图像对复杂背景下的单目标、多目标以及不同程度的遮挡、伪装等情况进行试验得出该方法具有一定的鲁棒性。关键词：目标检测；复杂背景；深度学习；特征提取中图分类号：ＴＰ３９１．４文献标识码：Ａ文章编号：１６７４－８４２５（２０１８）０４－０１７１－０６ＯｂｊｅｃｔＤｅｔｅｃｔｉｏｎＢａｓｅｄｏｎＤｅｅｐＬｅａｒｎｉｎｇｉｎＣｏｍｐｌｅｘＢａｃｋｇｒｏｕｎｄＷＡＮＧＺｈｉＣＨＥＮＰｉｎｇＰＡＮＪｉｎｘｉａｏ（ＳｈａｎｘｉＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｉｇｎａｌＣａｐｔｕｒｉｎｇ＆ＰｒｏｃｅｓｓｉｎｇＮｏｒｔｈＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎａＴａｉｙｕａｎ０３００５１Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎｉｎｃｏｍｐｌｅｘｂａｃｋｇｒｏｕｎｄｉｓｏｎｅｏｆｔｈｅｋｅｙｐｒｏｂｌｅｍｓｉｎｃｏｍｐｕｔｅｒｖｉｓｉｏｎ．Ｔｈｅｍａｉｎｔａｓｋｉｓｔｏｉｄｅｎｔｉｆｙａｎｄｌｏｃａｔｅｔｈｅｏｂｊｅｃｔｓｉｎｔｈｅｉｍａｇｅ．Ｆｏｒｓｏｍｅｓｔａｔｉｃｉｍａｇｅｓｗｉｔｈｃｏｍｐｌｅｘｂａｃｋｇｒｏｕｎｄａｎｄｉｎｆｌｕｅｎｃｅｄｂｙｅｎｖｉｒｏｎｍｅｎｔａｌｆａｃｔｏｒｓ（ｌｉｇｈｔｏｃｃｌｕｓｉｏｎｃｏｎｃｅａｌｍｅｎｔｅｔｃ．）ａｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ（ＣＮＮ）ｓｔｒｕｃｔｕｒｅｂａｓｅｄｏｎｄｅｅｐｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄｔｏｄｅｔｅｃｔｔｈｅｏｂｊｅｃｔ．ＴｈｅＣＮＮｎｅｔｗｏｒｋｃａｎａｕｔｏｍａｔｉｃａｌｌｙｅｘｔｒａｃｔｔｈｅｆｅａｔｕｒｅｓｏｆｔｈｅｉｍａｇｅａｎｄｔｈｅａｄｖａｎｔａｇｅｓｏｆｌｅａｒｎｉｎｇｔｏａｖｏｉｄｔｈｅｃｏｍｐｌｅｘａｒｔｉｆｉｃｉａｌｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎａｎｄｅｘｔｒａｃｔｉｏｎｐｒｏｃｅｓｓ；ｔｈｅｅｎｄｔｏｅｎｄｔｒａｉｎｉｎｇｉｓｃａｒｒｉｅｄｏｕｔｂｙａｍｅｔｈｏｄｏｆｒｅｇｉｏｎａｌｍｅｒｇｉｎｇｗｈｉｃｈｓｈｏｗｓｂｅｔｔｅｒｐｅｒｆｏｒｍａｎｃｅｉｎｔｈｅｐｒｏｃｅｓｓｉｎｇｏｆｃｏｍｐｌｅｘｂａｃｋｇｒｏｕｎｄｉｍａｇｅｓ．Ｔｈｅｌｏｃａ