论文部分内容阅读
物体检测是计算机视觉领域的研究热点之一。在物体检测中,基于深度学习的人体检测和头部检测已表现出广泛的应用前景和需求,比如对一个人进行检测识别不仅要检测到人体而且还要检测到头部来获取头部的信息进行进一步的识别判断。人体和头部存在着一定的空间位置联系,通过空间位置建模对人体和头部联合进行检测可以有效提升人体和头部检测的准确率。本文以物体检测中提取出检测物体的特征和生成检测物体的候选框为出发点,以深度学习为方法,着重研究了人体和头部的联合检测,利用了人体和头部相似的特征和独特的特征,同时又结合了人体和头部的包含关系。本文的主要研究内容和创新点如下:1、提出了一种特征增强的人体和头部联合检测,该方法对提取出的人体和头部的特征进行不同的处理,考虑了人体和头部的相似特征与独特特征设计了两个不同的模块分支,一个模块是人体增强模块,对提取出的特征进行增强,增强后的特征更有利于检测人体;另一个模块是头部增强模块,同样也对提取出的特征进行增强,增强后的特征更有利于检测头部,这对检测人体和头部更加有效。2、提出了一种人体和头部关系回归联合检测,该方法对生成的人体和头部的候选框进行优化,包含两个模块,第一个模块是人体和头部的候选框关系生成方法,考虑了人体中包含头部,首先通过区域生成网络(Region Proposal Network,RPN)提取出人体的候选框,然后在人体的候选框里通过学习人体和头部之间的关系来找到头部的候选框;第二个模块是人体和头部的候选框渐进式回归方法,对第一个模块提取出的人体和头部的候选框进行两次边框回归,不断地提升候选框的质量,从而来提高人体和头部联合检测的性能。3、提出了一种特征增强多尺度人体和头部关系回归联合检测,该方法同时对提取出的人体和头部的特征与生成的人体和头部的候选框进行改进,考虑了人体和头部的相似特征与独特特征、人体和头部的包含关系,结合了特征增强方法和候选框关系回归方法,使用特征增强方法对人体和头部的特征分别进行特征增强,同时利用通过RPN提取人体和头部的候选框,加入了一个多尺度候选框模块,对人体和头部的候选框进行尺度缩放和平移,再利用候选框关系回归方法进行两次边框回归,实现了更好的人体和头部联合检测的性能。本文一共提出了三种基于深度学习的人体和头部联合检测,探究并验证了每种方法的有效性,从而证明了基于深度学习的人体和头部联合检测的可行性,提高了对检测人体和检测头部的性能。