1、人體目標(biāo)檢測(cè)是一項(xiàng)復(fù)雜且具有挑戰(zhàn)性的任務(wù)，隨著計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)技術(shù)的不斷發(fā)展，人體目標(biāo)檢測(cè)得到了廣泛的研究。但是，當(dāng)前研究人員還主要在理論上對(duì)人體目標(biāo)檢測(cè)進(jìn)行研究，由于實(shí)際場(chǎng)景的復(fù)雜性，人體目標(biāo)檢測(cè)在實(shí)際環(huán)境中還未能大規(guī)模應(yīng)用。本文針對(duì)某空調(diào)裝配生產(chǎn)線這一特定的應(yīng)用環(huán)境，利用區(qū)域和卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法來解決生產(chǎn)線關(guān)鍵崗位人員的檢測(cè)問題。
　　在人體目標(biāo)區(qū)域提取階段，本文分別基于選擇搜索和基于RPN算法來提取人體目標(biāo)區(qū)域。選

2、擇搜索主要通過圖像自身具有的顏色空間、形狀、紋理以及層次等特征來進(jìn)行層次分組，并結(jié)合窮舉搜索和分割強(qiáng)度等因素，同時(shí)使用圖像結(jié)構(gòu)來指導(dǎo)特征采樣過程。利用選擇搜索，圖像中的人體目標(biāo)位置將被盡可能多的被捕捉?；赗PN的人體目標(biāo)區(qū)域提取主要是利用卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，即利用人體目標(biāo)樣本來訓(xùn)練一個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型，這不需要考慮圖像的自身紋理等特征因素。為了產(chǎn)生可能的目標(biāo)框區(qū)域，使用一個(gè)小網(wǎng)格在最后一層卷積層輸出的卷積特征圖上滑動(dòng)，該網(wǎng)格利用卷積特征

3、圖上滑動(dòng)，每一個(gè)滑動(dòng)窗口被映射到維度更低的特征向量上，最終獲得的向量被送入兩個(gè)獨(dú)立的全連接層：一個(gè)是人體目標(biāo)框回歸層，另一個(gè)是人體目標(biāo)分類層，同時(shí)結(jié)合非極大值抑制算法，輸出一系列可能的人體目標(biāo)區(qū)域。
　　根據(jù)生產(chǎn)線關(guān)鍵崗位這一特定的應(yīng)用場(chǎng)景，本文采集和設(shè)計(jì)了專門的人體目標(biāo)樣本集并將其用來訓(xùn)練關(guān)鍵崗位人員檢測(cè)模型。在人體目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)上，本文分別使用ZF和VGG-16兩種卷積神經(jīng)網(wǎng)絡(luò)來訓(xùn)練。在人體目標(biāo)網(wǎng)絡(luò)訓(xùn)練階段，利用預(yù)訓(xùn)練的