基于卷积神经网络的行人目标检测系统设计

来源：计算机测量与控制杂志2020年第7期北京时间：

作者：王林,刘盼

单位：西安理工大学 自动化与信息工程学院

摘要：为获得最直观的行人目标检测结果，避免运动姿态不确定性对实时检测造成的影响，设计基于卷积神经网络的行人目标检测系统。以CNN计算框架作为硬件结构主体，分级连接目标传感器与神经型卷积分类器，按照并行检测原理及卷积神经架构搭建检测体系结构。建立训练文件体系，通过迎合目标训练环境的方式，配置必要的检测文件参数，完成待检测行人目标的样本训练处理。在检测节点架构中，规定与访问接口关联的配置条件，借助增设的模块复用加速结构，直接获取行人目标检测结果，实现行人目标的样本重构，完成基于卷积神经网络的行人目标检测系统设计。实验结果表明，与PCA、SVM算法相比，应用卷积神经网络型检测系统后，单位时间内的行人目标检测量达到9.6×109T，目标数据堆积速率降低至1.14×109T/s，能够直观获取行人目标检测结果，有效抑制了运动姿态不确定性对系统实时检测的影响。

关键词：卷积神经网络;行人目标;检测系统;CNN框架;目标传感器;训练文件;访问接口;复用加速结构;

基金资助：陕西省科技计划重点项目资助（2017ZDCXL-GY-05-03）