基于改进Fast R-CNN的红外图像行人检测研究

Research on Infrared Image Pedestrian Detection Based on Improved Fast R-CNN

摘要: 针对红外图像行人检测任务中行人细节信息少,特征提取计算量大以及易受背景影响等问题,提出了一种改进的Fast R-CNN(快速区域卷积神经网络)红外图像行人检测方法.改进主要涉及两个方面:①结合红外图像的特点提出了一种自适应ROI提取算法,在不影响检测准确率的前提下,降低了ROI数量,使得网络的计算量减小;②提出了一种加权锚点框的定位机制,基于3种不同宽高比锚点框的检测置信度进行坐标加权,获得更准确的定位框.实验结果表明,本文提出的改进方法与传统的Haar+LBP+ HOG+ SVM算法及Fast R-CNN算法相比,红外图像行人检测的准确率从80.3％和91.2％提高到92.3％,检测速度从68 ms/f和25 ms/f提高到12 ms/f,提高了系统的性能.