文献类型：期刊文章

作　　者：魏润辰[1] 何宁[2] 尹晓杰[2]

WEI Runchen;HE Ning;YIN Xiaojie(Beijing Key Laboratory of Information Services Engineering,College of Robotics,Beijing Union University,Beijing 100101,China;Department of Computer Engineering,Smart City College,Beijing Union University,Beijing 100101,China)

机构地区：[1]北京联合大学机器人学院北京市信息服务工程重点实验室,北京100101 [2]北京联合大学智慧城市学院计算机工程系,北京100101

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.61872042,No.61572077);北京市自然科学基金委-北京市教委联合重点项目(No.KZ201911417048);北京市教委科技计划项目(No.KM201811417004);北京联合大学人才强校优选计划项目。

年　　份：2020

卷　　号：56

期　　号：19

起止页码：197-204

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：城市道路场景下的行人目标尺寸变化大,并且人群密集容易引起遮挡问题,增加了行人检测难度。为了提高城市道路区域行人检测的准确性和实时性,更好应对驾驶场景的实际需求,对You Only Look Once(YOLO)方法进行改进。原YOLO模型分为行人特征提取阶段和行人坐标回归阶段,将浅层特征与深层特征多尺度融合,增加骨架网络的特征提取效果;添加注意力机制,在特征融合后加入空间通道增强模块,并且将GIoU损失引入网络训练过程,提高对遮挡目标的识别能力;结合行人尺寸,提出CrossYOLO层对网络宽度进行调整,加快了模型运算速度。在Caltech行人基准数据集下进行验证实验,结果表明YOLO-Person模型与原YOLO以及其他流行方法相比,对小目标和遮挡目标误检率更低,并且速度更快,具有一定的实际应用价值。

关 键 词：YOLO方法  行人检测 特征增强  

分 类 号：TP391]