行人检测技术在智能交通系统,智能安防监控等领域表现出了极高的应用价值,已经成为计算机视觉领域的重要研究方向之一。得益于深度学习的飞速发展,基于深度卷积神经网络的通用目标检测模型被不断扩展应用到行人检测领域,并取得了良好的性能。但是由于行人目标内在的特殊性、复杂性,特别是考虑到复杂场景下的行人遮挡、尺度变化等问题,深度学习方法也面临着严峻的挑战。本文针对上述问题,以基于深度学习的行人检测技术为研究对象,在充分调研文献的基础上,分别从基于锚点框、基于无锚点框以及通用技术改进(例如损失函数,非极大值抑制等)三个角度,对各类行人检测算法进行细分,并选取具有代表性的方法进行详细介绍和对比分析。此外,本文对行人检测的通用数据集进行了详细的介绍,对该领域先进算法的性能进行了对比分析,对行人检测中待解决的问题与未来的研究方向做出预测和展望。
http://www.cjig.cn/jig/ch/reader/view_abstract.aspx?flag=2&file_no=202012230000001&journal_id=jig
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“深度行人检测” 就可以获取《基于深度学习的行人检测方法综述》专知下载链接