摘要:
行人作为非刚性物体,对其视觉特征进行有效的不变表示是提高识别效果的关键。在自然视觉场景中,运动行人往往会发生尺度、背景、姿态等变化,这为现有技术在提取这些不规则特征时造成阻碍。针对该问题,基于哺乳动物视网膜神经结构特性,探究运动行人不变性识别问题,提出一种适用于视觉场景下的运动行人检测神经网络(MPDNN)。MPDNN包括两个神经模块:突触前网络和突触后网络。其中,突触前网络感知表征运动目标低阶视觉运动线索,提取目标二值化视觉信息;突触后网络借助生物视觉系统中的稀疏不变响应特性,利用目标轮廓在连续改变形状后较大凹凸区域之间的位置关系不变特性,从低阶运动线索中编码平稳变化的视觉特征以构建行人不变表征。实验结果表明,MPDNN在公共数据集CUHK Avenue与EPFL中达到96.96%的跨域检测准确率,比SOTA(State Of The Art)模型高4.5个百分点;在尺度、运动姿势变化数据集上表现了较好的鲁棒性,准确率分别达到89.48%与91.45%。验证了生物不变性物体识别机制在运动行人检测中的有效性。