| 标题 | 基于卷积神经网络目标检测算法的应用 |
| 范文 | 何秀颖 摘 要：近年来，卷积神经网络在图像分类、目标检测、图像语义分割等领域取得了一系列突破性的研究成果，其强大的特征学习与分类能力引起了广泛的关注，具有重要的分析与研究价值。随着我国科技化的快速发展，智能监控技术的应用也在快速的发展。智能监控技术现在主要是依靠目标检测来实现，但是，在传统的目标检测技术上还存在一些不足之处。比如，目检测效果不够好，误检率高等。因此，继续对目标检测算法进行研究和优化仍然具有重要意义。在本文中，将讨论深度卷积神经网络在目标检测任务中实际应用，同时该技术的产生对城市管理和智能监控技术的发展带来的深远意义。 关键词：智能监控；卷积神经网络；目标检测 随着信息技术的快速发展，全社会科技化发展的步伐逐年加快，不断带动了各个行业的科技化发展。尤其是在目标检测算法这一块的发展，伴随着深度学习卷积神经网络在目标检测上的使用，使得目标检测的精度，效率，类别都在不断的逐步优化，识别的准确率保持在高精度的水平上。同时，由于技术的先进，算法效果的优异，其应用的领域也在不断的扩大。 1 卷积神经网络简介 深层神经网络是目前的主要形式，其神经元间的连接模式受启发于动物视觉皮层组织，而卷积神经网络则是其中一种经典而广泛应用的结构.卷积神经网络的局部连接、权值共享及池化操作等特性使之可以有效地降低网络的复杂度，减少训练参数的数目，使模型对平移、扭曲、缩放具有一定程度的不变性，并具有强鲁棒性和容错能力，且也易于训练和优化。 卷积神经网络（Convolutional Neural Network），是在机器学习中常用的深度前馈神经网络。卷积神经网络的基本组成包括卷积层，池化层，激励层和全连接层，它的基本结构由特征提取层和特征映射层组成。 卷积层将卷积计算运用于输入，将结果传递给下一层。同时，卷积模拟了单个神经元对视觉刺激的反应；池化层是在上层经过特征提取之后对特征矩阵进行划分，然后通过在每个区域上计算该区域内特征的均值或最大值来参与后续的训练；激励层是将卷积层的输出结果进行非线性映射；全连接层是把每一层的神经元与另一层神经元连接起来，其原理与传统的多层感知器神经网络基本相同。 2 卷积神经网络在目标检测中的应用 2.1 道路行人检测上的应用 基于卷积神经网络的道路行人的检测上已经投入使用，在部分城市的道路监控系统中已经得到了很好的运用，通过使用这种技术来实现行人过马路的违规检测。当行人在违规穿越马路时，道路监控摄像头就会将视频数据实时采集下来传到后台处理平台，然后在后台处理平台上使用卷积神经网络行人检测算法来对非法过马路的行人进行检测。在检测到行人的情况下再采用其他识别算法来对行人进行识别，从而将行人身份信息反馈至违章显示平台来警示违法过马路的行人。通过使用卷积神经网络来检测行人，使得误检率大大降低，检测速度和效果明显的到提升。 2.2 停车场车辆检测 建立采用卷积神经网络技术来实现停车场车辆检测的管理系统，可以及时掌握机动车在停车场的停放数量，当机动车经过停车场的入口处时，安装在停车场进口处的摄像头会拍到车辆的经过，此时，在系统的同步处理下，后台处理器对车辆进行检测，在检测到车辆的情况下触发传感器自动打开栏杆，同时将车辆计数，然后将停车场空位数量反馈至入口大屏幕上，以便管理整个停车场的停车情况。在使用这种系统的情况下，能够实现完全自主管理的自动化停车场，大大减轻了人力管理的不便，同时提高了停车场车辆停放和空车位管理的效率。 2.3 车牌识别 通过利用卷积神经网络来搭建车牌检测识别系统，可以随时掌握机动车在公路上的运行情况。在利用卷积网络的情况下，车牌检测的正确识别率可达到百分之九十九以上。当车辆在通过摄像头检测点时，后台启动的深度卷机网络识别算法会自动在视频中捕捉车牌信息，同时将检测并识别到的车牌信息反馈至数据中心，数据中心根据车牌信息来作出相应的处理命令。该技术在部分大城市的立体公交枢纽的应用应该较为合适。在该技术的使用下，后台管理人员能够合理的掌握公交车辆运行信息，从而在合理的情况下安排和调动适应运行的公交车辆。同时，在这种情况下大大提升了交通的运输效率，能对道路堵塞起到一定的缓解作用。 2.4 人脸检测识别 通过使用深度卷积神经网络在人脸检测上的运用，使得人脸检测再一次获得新的突破。在使用深度卷积网络对人脸进行检测上，人脸检测的精度，准确率相比较于传统的算法而言有了很大的提升，对人脸的辨别率更为敏感，更容易在检测的过程中捕获人脸从而达到识别。同时，在实际运用中，将该人脸检测识别技术嵌入到智能门禁上，能够大大提升家庭安全，同时也使得家庭防盗更为便捷，有效。 3 总结 综上所述，将卷积神经网络技术应用在目标检测领域内，可以有效的提升目标检测的质量。同时，在工业应用的领域内，能够实现更加智能化的检测系统，从而达到各类工业需求与应用。同时，它克服了过去人工智能中被认为难以解决的一些问题，且随着训练数据集数量的显著增长以及芯片处理能力的剧增，它在目标检测和计算机视觉、自然语言处理、语音识别和语义分析等领域成效卓然，因此也促进了人工智能的发展. 但是，伴随着技术的不断更新，卷积网络在检测上的应用也会遇到不一样的问题和挑战。所以，在未来随着技术不断的进步和优化，卷积神经网络技术也会更好的被应用到各个领域内，开阔更多可应用的领域，未来的发展前景会越来越好，技术也会越来越成熟。 参考文献： [1]李彦冬，郝宗波，雷航.卷积神经网络研究综述[J].计算机应用，2016，36（09）：2508-2515+2565. [2]卢宏涛，张秦川.深度卷积神經网络在计算机视觉中的应用研究综述[J].数据采集与处理，2016，31（01）：1-17. [3]Selective Search for Object Recognition[J].J.R.R.Uijlings，K.E.A.Sande，T.Gevers，A.W.M.Smeulders.International Journal of Computer Vision.2013 （2）. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。