文献类型：期刊文章

作　　者：刘智嘉[1] 汪璇[2] 赵金博[1] 夏寅辉[1] 高旭辉[1]

LIU Zhi-jia;WANG Xuan;ZHAO Jin-bo;XIA Yin-hui;GAO Xu-hui(Beijing Bop Opto-Electronics Technology Co.Ltd.,Beijing 100015,China;College of Computer and Information Engineering of Zhixing College,Wuhan 430011,China)

机构地区：[1]北京波谱华光科技有限公司,北京100015 [2]湖北大学知行学院计算机与信息工程学院,湖北武汉430011

出　　处：《激光与红外》

基　　金：装备预研中国电科联合基金项目(No.6141B0823110305)资助。

年　　份：2020

卷　　号：50

期　　号：12

起止页码：1512-1520

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：传统红外图像行人检测方法利用人工进行比例模板设计和行人轮廓特征提取,由于预设模板比例相对固定,当行人因衣着增减、随身携带物品及姿态改变等原因使其轮廓比例发生较大变化时,往往会导致算法失灵而出现漏检现象。而基于深度学习的目标检测则通过对大量样本的本质特征进行抽象、提取、加工和整合,进而实现对更多样特征的学习。因此利用深度学习目标检测算法进行红外图像行人检测应用的研究可以弥补传统检测方法的不足。YOLOv3是目前性能较为均衡的识别算法,本文在分析YOLOv3系列算法的原理和特点的基础上提出了一个新的改进算法模型——Darknet-19-yolo-3,在几乎不损失检测精度的条件下提升检测速度,一定程度上实现检测准确率和速度的相对平衡。

关 键 词：红外 检测  深度学习  YOLO  

分 类 号：TN219]