轮廓定位下的人头NSCT特征提取方法

监控设备目前大量被运用在众多公共场所,其采集的数据信息多数用于对行人的监控。人头目标检测工作也是该领域重要的工作,因为视频数据占用大量的存储空间,为了能减少其空间占存比,市场上绝大多数都会采用低分辨率存储方式,从而导致图像中的信息大量丢失,给人头的精确提取带来极大的影响。针对该类问题,利用人头类椭圆的共性进行人头的快速定位,再利用NSCT特征在轮廓细节上表现出的优越性,对轮廓区域进行NSCT特征提取,最后利用SVM训练器进行分类检测。实验结果表明:该方法能在保证检测实时性的基础上提高在低分辨率环境下的检测效果。

基于形状关系的目标检测模型异步检测头构建方法

从目标检测网络输出的特征图与输入目标之间具有的形状关系出发,提出一种目标检测模型异步检测头构建方法,先进行分类预测,再添加边框预测网络使之利用形状关系预测出目标框的检测头结构。这一结构将分类网络与边框回归网络完全分开,避免了特征不匹配问题。在添加为保留形状关系而改进的LOSS函数后,使用该检测头结构的MobileNet-YOLO目标检测网络在变电设备典型缺陷数据集上不同类别的精确率提升了2%~14%。在对结果的分析中推测检测头的适应场景,并使用VOC数据集对推测进行了验证。最后对检测头的有效性进行了分析,并指出了算法适应的数据集类型。