论文研究 基于MSR和更快的RCNN的行人检测技术研究

为了避免照明特性差和定位精度不佳的问题，提出了一种适合弱光环境的行人检测算法。 该算法首先将多尺度Retinex图像增强算法应用于深度学习的样本预处理，以提高图像分辨率。 然后利用更快的区域卷积神经网络训练行人检测模型，提取行人特征，并通过分类和位置回归得到边界框。 最后，通过引入Soft-NMS算法进行行人检测过程，并消除了多余的边界框以获得最佳的行人检测位置。 实验结果表明，所提出的检测算法在弱光数据集上的平均准确率达到89.74％，对行人的检测效果更为显着。