文献类型：期刊文章

作　　者：高宗[1] 李少波[1,2] 陈济楠[1] 李政杰[1]

GAO Zong;LI Shaobo;CHEN Jinan;LI Zhengjie(Key Laboratory of the Ministry of Education of Modern Manufacturing Technology;College of Mechanical Engineering, Guizhou University, Guiyang 550025, China)

机构地区：[1]贵州大学现代制造技术教育部重点实验室,贵阳550025 [2]贵州大学机械工程学院,贵阳550025

出　　处：《计算机工程》

基　　金：国家自然科学基金(51475097)

年　　份：2018

卷　　号：44

期　　号：5

起止页码：215-219

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对基于人工提取特征的行人检测器鲁棒性差的问题,借鉴目标检测的研究成果,提出一种行人目标实时检测方法。以YOLO网络结构为基础,结合行人在图像中呈现宽高比小的特点,聚类选取合适的候选框数量和规格,改进YOLO网络结构,调整候选框在X、Y轴方向的分布密度,形成适用于行人检测的网络结构。实验结果表明,与HOG、LatSVM-v2等行人检测方法相比,该方法降低了漏检率和误检率,提高了定位准确性,检测速度满足实时性要求。

关 键 词：YOLO网络  行人检测 深度网络 聚类 特征重组  

分 类 号：TP391]