图像处理

视频监控中的室内人员检测，在安防等相关领域中具有十分重要的意义。针对目标检测任务，尤其是人的检测，现有方法基本都是针对室外开阔环境中的直立行人，并不适合视频监控条件下的室内人员检测这种应用场景。针对上述问题，本文建立了室内人员检测数据集(IHDD)，提出基于联合学习的多视角室内人员检测网络模型(MVNN)。该模型由输入数据层、特征提取层、可变形处理层、可见性估计层、分类判别层等组成，并加入区域建议模型和多视角模型提升算法的检测性能。在自建的IHDD数据集上的实验结果表明，与现有其他检测算法相比，MVNN算法的检测率更高，即使在面对人体目标呈现多视角、多姿态、存在遮挡等困难情况时仍有不错的检测效果，具有一定的理论研究价值和实际应用价值。

王霞, 张为. 基于联合学习的多视角室内人员检测网络[J]. 光学学报, 2019, 39(02): 2.  复制并引用该论文