基于胶囊网络在复杂场景下的行人识别

程换新，刘文翰，郭占广，张志浩

(青岛科技大学 自动化与电子工程学院，山东 青岛 266061)

0 引 言

随着国家的各项城市工程建设，视频监控摄像头的数量也在不断增长，随之带来的就是视频信息的大数据化。因此，现如今开发视频数据中的重要价值越来越受到人们的重视。比如公安部门可以通过视频信息实现对目标人物的跟踪、搜寻，亦可用来分析行人的种种行为是否存在异常[1]，这无疑是保障社会安全的又一有力手段。

“深度学习”这一概念是在2006年被提出的，在这短短的十几年间已经发展出了大量算法，但是将深度学习这一技术实际应用于图片分析依然以卷积神经网络(CNN)为主。然而因为卷积神经网络的一些结构缺陷，例如无法充分地表明下层各对象之间的空间关系，而且在池化的过程中会将一些位置信息丢失[2]，这使得卷积神经网络在某些场景下的图片识别并不能达到令人满意的效果。

胶囊(capsule)[3]的概念是由Sabour S等人首次提出的，他们在文中创建了一个结构简单的三层胶囊网络(capsule network)，并且利用该网络实现对Mnist手写数字识别，识别的准确率达到了97.5%，直接超越了LeNet-5模型[4]。Hinton等人在2018年发表的论文中对胶囊网络中的动态路由迭代算法进行了介绍，并提出了一种新的EM路由算法，对胶囊网络核心路由算法进行改进[5]。改进的胶囊网络通过使用动态路由算法替代了CNN的池化操作[6-7]，从而使得特征损失有所减小，能够在一定程度上提高图像识别的准确率。……