科研之友
微信
新浪微博
Facebook
分享链接
摘要
不同于人类视觉能够适应各种灯光变化环境，现有的二维人体目标检测算法在剧烈灯光变化场景中其检测性能会明显下降。针对这一问题，本文提出了一种灯光剧烈变化环境自适应的二维人体目标检测方法。首先，基于具有剧烈灯光变化的舞台演出环境，本文采集并构建了一个包含各种灯光颜色和丰富灯光变化的人体图片基准数据集（命名为“StageHuman”），以用于验证当前二维人体目标检测算法的缺陷与不足。其次，提出一种基于风格迁移的数据增强策略，将特定场景图片中的剧烈灯光变化风格迁移到大规模公开数据集COCO的人体图片中，再利用风格迁移后的大规模数据集来训练深度神经网络模型，从而提升模型在剧烈灯光变化环境下的二维人体检测性能。最后，通过大量的实验对比与分析，验证了本文方法能够有效提升深度神经网络模型在剧烈灯光变化环境下的鲁棒性和检测精度，并且该有效性不依赖于具体的风格迁移算法，而主要取决于所迁移的灯光变化风格的多样性和完整性。
- 单位
