文献类型：期刊文章

作　　者：王殿伟[1,2] 何衍辉[2] 李大湘[1,2] 刘颖[1,2] 许志杰[3] 王晶[3]

WANG Dianwei;HE Yanhui;LI Daxiang;LIU Ying;XU Zhijie;WANG Jing(Key Laboratory of Electronic Information Application Technology for Scene Investigation,Ministry of Public Security,Xi＇an 710121,China;School of Communication and Information Engineering,Xi＇an University of Posts and Telecommunications,Xi＇an 710121,China;School of Computing and Engineering,University of Huddersfield,Huddersfield,HD1 3DH,UK)

机构地区：[1]电子信息现场勘验应用技术公安部重点实验室,陕西西安710121 [2]西安邮电大学通信与信息工程学院,陕西西安710121 [3]哈德斯菲尔德大学计算机与工程学院

出　　处：《西安邮电大学学报》

基　　金：陕西省自然科学基础研究计划资助项目(2018JM6118);西安邮电大学创新创业项目(2018SC-08)

年　　份：2018

卷　　号：23

期　　号：4

起止页码：48-52

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：针对YOLOv3检测红外视频图像行人时存在准确率低、漏检率高的问题,提出一种改进的YOLOv3红外视频图像行人检测算法。根据行人在红外图像中呈现宽高比相对固定的特点,利用k-means聚类方法选取目标候选框个数和宽高比维度,调整网络参数并提高输入图像分辨率,最后进行多尺度训练得到最优检测模型,从而检测红外视频图像序列中的行人目标,并通过候选框标注行人位置。在CVC-09红外行人数据集上进行对比实验,结果表明,改进的YOLOv3算法在红外行人检测中的准确率高达90.63%,明显优于Faster-rcnn和YOLOv3算法,且改进后的网络能够同时检测到更多目标,降低了漏检率。

关 键 词：行人检测 红外图像 YOLOv3  聚类分析

分 类 号：TP391]