基于卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測算法的應(yīng)用

何秀穎

摘 要：近年來，卷積神經(jīng)網(wǎng)絡(luò)在圖像分類、目標(biāo)檢測、圖像語義分割等領(lǐng)域取得了一系列突破性的研究成果，其強大的特征學(xué)習(xí)與分類能力引起了廣泛的關(guān)注，具有重要的分析與研究價值。隨著我國科技化的快速發(fā)展，智能監(jiān)控技術(shù)的應(yīng)用也在快速的發(fā)展。智能監(jiān)控技術(shù)現(xiàn)在主要是依靠目標(biāo)檢測來實現(xiàn)，但是，在傳統(tǒng)的目標(biāo)檢測技術(shù)上還存在一些不足之處。比如，目檢測效果不夠好，誤檢率高等。因此，繼續(xù)對目標(biāo)檢測算法進(jìn)行研究和優(yōu)化仍然具有重要意義。在本文中，將討論深度卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測任務(wù)中實際應(yīng)用，同時該技術(shù)的產(chǎn)生對城市管理和智能監(jiān)控技術(shù)的發(fā)展帶來的深遠(yuǎn)意義。

關(guān)鍵詞：智能監(jiān)控；卷積神經(jīng)網(wǎng)絡(luò)；目標(biāo)檢測

隨著信息技術(shù)的快速發(fā)展，全社會科技化發(fā)展的步伐逐年加快，不斷帶動了各個行業(yè)的科技化發(fā)展。尤其是在目標(biāo)檢測算法這一塊的發(fā)展，伴隨著深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測上的使用，使得目標(biāo)檢測的精度，效率，類別都在不斷的逐步優(yōu)化，識別的準(zhǔn)確率保持在高精度的水平上。同時，由于技術(shù)的先進(jìn)，算法效果的優(yōu)異，其應(yīng)用的領(lǐng)域也在不斷的擴大。

1 卷積神經(jīng)網(wǎng)絡(luò)簡介

深層神經(jīng)網(wǎng)絡(luò)是目前的主要形式，其神經(jīng)元間的連接模式受啟發(fā)于動物視覺皮層組織，而卷積神經(jīng)網(wǎng)絡(luò)則是其中一種經(jīng)典而廣泛應(yīng)用的結(jié)構(gòu).卷積神經(jīng)網(wǎng)絡(luò)的局部連接、權(quán)值共享及池化操作等特性使之可以有效地降低網(wǎng)絡(luò)的復(fù)雜度，減少訓(xùn)練參數(shù)的數(shù)目，使模型對平移、扭曲、縮放具有一定程度的不變性，并具有強魯棒性和容錯能力，且也易于訓(xùn)練和優(yōu)化。

卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network），是在機器學(xué)習(xí)中常用的深度前饋神經(jīng)網(wǎng)絡(luò)。卷積神經(jīng)網(wǎng)絡(luò)的基本組成包括卷積層，池化層，激勵層和全連接層，它的基本結(jié)構(gòu)由特征提取層和特征映射層組成。

卷積層將卷積計算運用于輸入，將結(jié)果傳遞給下一層。同時，卷積模擬了單個神經(jīng)元對視覺刺激的反應(yīng)；池化層是在上層經(jīng)過特征提取之后對特征矩陣進(jìn)行劃分，然后通過在每個區(qū)域上計算該區(qū)域內(nèi)特征的均值或最大值來參與后續(xù)的訓(xùn)練；激勵層是將卷積層的輸出結(jié)果進(jìn)行非線性映射；全連接層是把每一層的神經(jīng)元與另一層神經(jīng)元連接起來，其原理與傳統(tǒng)的多層感知器神經(jīng)網(wǎng)絡(luò)基本相同。

2 卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測中的應(yīng)用

2.1 道路行人檢測上的應(yīng)用

基于卷積神經(jīng)網(wǎng)絡(luò)的道路行人的檢測上已經(jīng)投入使用，在部分城市的道路監(jiān)控系統(tǒng)中已經(jīng)得到了很好的運用，通過使用這種技術(shù)來實現(xiàn)行人過馬路的違規(guī)檢測。當(dāng)行人在違規(guī)穿越馬路時，道路監(jiān)控攝像頭就會將視頻數(shù)據(jù)實時采集下來傳到后臺處理平臺，然后在后臺處理平臺上使用卷積神經(jīng)網(wǎng)絡(luò)行人檢測算法來對非法過馬路的行人進(jìn)行檢測。在檢測到行人的情況下再采用其他識別算法來對行人進(jìn)行識別，從而將行人身份信息反饋至違章顯示平臺來警示違法過馬路的行人。通過使用卷積神經(jīng)網(wǎng)絡(luò)來檢測行人，使得誤檢率大大降低，檢測速度和效果明顯的到提升。

2.2 停車場車輛檢測

建立采用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)來實現(xiàn)停車場車輛檢測的管理系統(tǒng)，可以及時掌握機動車在停車場的停放數(shù)量，當(dāng)機動車經(jīng)過停車場的入口處時，安裝在停車場進(jìn)口處的攝像頭會拍到車輛的經(jīng)過，此時，在系統(tǒng)的同步處理下，后臺處理器對車輛進(jìn)行檢測，在檢測到車輛的情況下觸發(fā)傳感器自動打開欄桿，同時將車輛計數(shù)，然后將停車場空位數(shù)量反饋至入口大屏幕上，以便管理整個停車場的停車情況。在使用這種系統(tǒng)的情況下，能夠?qū)崿F(xiàn)完全自主管理的自動化停車場，大大減輕了人力管理的不便，同時提高了停車場車輛停放和空車位管理的效率。

2.3 車牌識別

通過利用卷積神經(jīng)網(wǎng)絡(luò)來搭建車牌檢測識別系統(tǒng)，可以隨時掌握機動車在公路上的運行情況。在利用卷積網(wǎng)絡(luò)的情況下，車牌檢測的正確識別率可達(dá)到百分之九十九以上。當(dāng)車輛在通過攝像頭檢測點時，后臺啟動的深度卷機網(wǎng)絡(luò)識別算法會自動在視頻中捕捉車牌信息，同時將檢測并識別到的車牌信息反饋至數(shù)據(jù)中心，數(shù)據(jù)中心根據(jù)車牌信息來作出相應(yīng)的處理命令。該技術(shù)在部分大城市的立體公交樞紐的應(yīng)用應(yīng)該較為合適。在該技術(shù)的使用下，后臺管理人員能夠合理的掌握公交車輛運行信息，從而在合理的情況下安排和調(diào)動適應(yīng)運行的公交車輛。同時，在這種情況下大大提升了交通的運輸效率，能對道路堵塞起到一定的緩解作用。

2.4 人臉檢測識別

通過使用深度卷積神經(jīng)網(wǎng)絡(luò)在人臉檢測上的運用，使得人臉檢測再一次獲得新的突破。在使用深度卷積網(wǎng)絡(luò)對人臉進(jìn)行檢測上，人臉檢測的精度，準(zhǔn)確率相比較于傳統(tǒng)的算法而言有了很大的提升，對人臉的辨別率更為敏感，更容易在檢測的過程中捕獲人臉從而達(dá)到識別。同時，在實際運用中，將該人臉檢測識別技術(shù)嵌入到智能門禁上，能夠大大提升家庭安全，同時也使得家庭防盜更為便捷，有效。

3 總結(jié)

綜上所述，將卷積神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用在目標(biāo)檢測領(lǐng)域內(nèi)，可以有效的提升目標(biāo)檢測的質(zhì)量。同時，在工業(yè)應(yīng)用的領(lǐng)域內(nèi)，能夠?qū)崿F(xiàn)更加智能化的檢測系統(tǒng)，從而達(dá)到各類工業(yè)需求與應(yīng)用。同時，它克服了過去人工智能中被認(rèn)為難以解決的一些問題，且隨著訓(xùn)練數(shù)據(jù)集數(shù)量的顯著增長以及芯片處理能力的劇增，它在目標(biāo)檢測和計算機視覺、自然語言處理、語音識別和語義分析等領(lǐng)域成效卓然，因此也促進(jìn)了人工智能的發(fā)展.

但是，伴隨著技術(shù)的不斷更新，卷積網(wǎng)絡(luò)在檢測上的應(yīng)用也會遇到不一樣的問題和挑戰(zhàn)。所以，在未來隨著技術(shù)不斷的進(jìn)步和優(yōu)化，卷積神經(jīng)網(wǎng)絡(luò)技術(shù)也會更好的被應(yīng)用到各個領(lǐng)域內(nèi)，開闊更多可應(yīng)用的領(lǐng)域，未來的發(fā)展前景會越來越好，技術(shù)也會越來越成熟。

參考文獻(xiàn)：

[1]李彥冬，郝宗波，雷航.卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J].計算機應(yīng)用，2016，36（09）：2508-2515+2565.

[2]盧宏濤，張秦川.深度卷積神經(jīng)網(wǎng)絡(luò)在計算機視覺中的應(yīng)用研究綜述[J].數(shù)據(jù)采集與處理，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）.