第47卷/第3期/2023年5月河北师范大学学报/自然科学版/JOURNALOFHEBEINORMALUNIVERSITY(NaturalScience)Vol.47No.3May.2023文章编号:1000-5854(2023)03-0245-06收稿日期:2022-09-14;修回日期:2022-11-14基金项目:安徽省高校科学研究项目(2022AH050392);安徽省教学示范课(2020SJJXSFK2159);安徽省质量工程项目(2021jyxm1336);淮北师范大学质量工程项目(2020xjxyj035,2021zlgc130);国家级大学生创新训练项目(202110373032,202110373036,202210373004,202210373028,202010373039);淮北师范大学党建创新项目(2021dj005)作者简介:单巍(1983),男,安徽淮北人,副教授,硕士,研究方向为模式识别.基于Resnet18网络的红外图像行人危险动作识别单巍,董璇,龚佳佳,王玉娟,董世稳,孔令坤,郭姗姗(淮北师范大学物理与电子信息学院,安徽淮北235000)摘要:对夜间行人危险动作进行有效识别是无人驾驶和智能辅助驾驶系统的一个核心任务,也是保证系统安全性的基本需求.考虑到夜晚的光学条件下摄像机的成像特性,提出一种基于深度卷积网络的红外行人危险动作识别算法对夜间行人动作进行识别.该算法选择残差网络为基本网络结构,首先从红外图像的特性和问题的规模出发确定采用Resnet18网络框架,然后对数据集进行预处理使之能够适应网络,最后对网络进行训练与测试以确定网络的识别性能.在实际红外行人危险动作数据集中进行实验的结果表明,所提出方法对6类危险动作识别的平均精确率达到98.3%,平均召回率达到98.1%,优于传统的识别方法.关键词:危险动作识别;行人检测;卷积神经网络;残差网络;Resnet18中图分类号:O439;TP183文献标志码:Adoi:10.13763/j.cnki.jhebnu.nse.202302007PedestrianDangerousActionRecognitioninInfraredImageBasedonResnet18NetworkSHANWei,DONGXuan,GONGJiajia,WANGYujuan,DONGShiwen,KONGLingkun,GUOShanshan(SchoolofPhysicsandElectronicInformation,HuaibeiNormalUniversity,AnhuiHuaibei235000,China)Abstract:Recognizingthepedestrian'sunsafebehaviorsefficientlyatnightisakeytaskfortheAuton-omousvehiclesandadvanceddriverassistancesystem,anditisalsoabasicrequirementforensuringthesafetyofthesesystems.Consideringtheimagingcharacteristicsofthecameraatnight,adeepconvolutionalneuralnetwork(CNN)basedalgorithmisproposedtorecognizethepedestrian'sunsafebehaviorsininfra-redimages.Inthisalgorithm,residualnetworkisselectedasthe...
