基于深度学习的变电站多目标行人检测算法研究

传统变电站行人检测算法通常是以数字波形式进行数据采集和处理的,无法对行人进行精准检测,针对该问题,提出了基于深度学习的变电站多目标行人检测算法研究。在深度学习网络基础上进行网络训练,将原始图像从RGB模型转换为HSV模型,分别在3个通道内进行图像数据预处理。采用动态自适应池化方法提取图像特征,根据每个池化域内部不同情况,自适应调整对应池化权值,借助池化因子实现对图像精准层抽象特征的提取。利用结构化边缘检测器生成边缘图像,选取行人候选框,将提取的结果作为深度学习网络输入,获取红马甲行人在变电站的全部信息,通过具体检测过程,完成多目标行人检测。在INRIA 行人数据集支持下进行算法验证,并