《基于车载视频的行人检测与跟踪研究国内外文献综述》2900字.docVIP

PAGE

PAGE18

基于车载视频的行人检测与跟踪研究国内外文献综述

1.1国内外研究现状

静态背景下的行人检测已经相对成熟，并且也得到了相对广泛的应用，如人脸门禁，人脸支付等。对行车记录视频进行行人检测并跟踪定位属于动态背景下的行人检测范畴，主要对象是运动目标，它的应用范围主要集中在智能交通、智能车辆系统领域。

随着深度卷积神经网络(CNN)技术的发展，计算机视觉任务普遍得到了推动。并且深度学习方法在泛型目标检测中的成功，人们将深度CNN特征应用于行人检测进行了多次尝试。

混合行人检测方法，主要是将特征抽取与分类分离。其中的一些方法同时使用手工和深度CNN特征，如蔡兆伟，MohammadSaberian，和NunoVasconcelos提出的的复杂感知级联深度学习行人检测方法；曹家乐，庞延伟，李雪龙提出的多层通道特征学习行人检测方法。而另一些方法使用手动特征进行提议生成，然后使用深度CNN进行提议分类。如陈涛，陆世建，范佳元等提出的基于S-CNN(Subcategory-aware)卷积网络目标检测。李建男，梁晓丹，沈胜美等提出的用于行人检测的快速R-CNN方法。

基于纯CNN的行人检测方法。FasterR-CNN的成功和流行促进了基于纯粹CNN结构行人检测方法，CNN结构被同时用来进行提议的产生和分类。张珊珊，RodrigoBenenson等人引入了