利用暗通道去雾技术与深度学习方法进行行人检测。

简介：
行人检测对于构建智能交通系统以及进行人员流量监控至关重要，深度学习方法在行人检测领域已经展现出优异的性能。然而，当训练数据集的质量存在缺陷时，训练得到的模型通常难以达到理想的检测精度。为了显著提升在雾霾以及光照条件较为复杂的情况下进行行人检测的准确性，本文提出了一种将暗通道去雾算法应用于深度学习样本预处理的新方法，并结合快速深度卷积神经网络来训练行人检测模型。实验过程首先对包含10000张图像的数据集进行了暗通道去雾算法的处理，随后分别利用经过暗通道去雾预处理和未经过预处理的图像来训练模型。最后，通过对比两种模型在不同环境下的检测准确率，验证了所提出方法的有效性。实验结果证实，采用暗通道去雾算法进行预处理后训练得到的深度学习模型能够获得更卓越的检测效果，并且在各种场景下都显著提高了模型的整体检测率。