文献类型：期刊文章

作　　者：范丽[1] 苏兵[1] 王洪元[1]

FAN Li;SU Bing;WANG Hongyuan(School of In formation Science and Engineering,Changzhou University,Changzhou 213164,China)

机构地区：[1]常州大学信息科学与工程学院

出　　处：《山西大学学报（自然科学版）》

基　　金：国家自然科学基金(61572085)

年　　份：2019

卷　　号：42

期　　号：4

起止页码：709-717

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、JST、RCCSE、WOS、ZGKJHX、ZMATH、ZR、核心刊

摘　　要：针对当前行人检测方法实时性和精度不能同时兼顾的问题,提出基于YOLOv3改进的实时行人检测算法。本算法对YOLOv3模型进行改进,融入标签平滑,增加多个尺度检测,并采用k-means算法得到模型中的anchors值,实现自动学习行人特征。通过在Caltech数据集上测试结果表明,改进后的YOLOv3行人检测算法mAP(mean Average Precision)达到了91.68%。在分辨率1 920×1 080的视频下,运行速度超过每秒40帧,满足实时行人检测的需求。在Daimler、INRIA行人检测数据集测试结果表明,该改进模型同样具有良好的性能,从而验证该模型具有良好的鲁棒性和泛化能力。

关 键 词：行人检测 YOLOv3  标签平滑  多尺度预测  K-MEANS

分 类 号：TP391.41] TN219[计算机类]