基于改进YOLOv2网络的密集人群场景行人检测

• 作者: 吕学斌 张楚楚
• 来源期刊: 现代计算机
• 关键词: 密集人群 行人检测 YOLOv2网络 特征融合 聚类
• 年，卷（期）: 2018,（28）
• 所属期刊栏目: 图形图像
• 页码范围: 34-39
• 页数: 6页
• 字数: 3933字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2018.28.009

摘要

针对密集人群场景的行人检测中,由于行人密度大,遮挡程度高,行人姿态变化造成的现有行人检测方法鲁棒性差的问题,提出一种简单有效的解决方法.首先,结合该场景的行人数据分析,引入头肩模型.然后,以YOLOv2网络为基础,改进其网络结构,增加融合多级细粒度特征的功能,提出一种基于YOLOv2网络的YOLOv2-E行人检测网络.最后,通过测试数据集上的实验分析改进后的网络与原始网络的效果.实验结果显示,YOLOv2-E网络检测速度达到30帧每秒.并且在不同的检测框阈值条件下,所提的方法有效降低已有代表性方法的漏识率和误识率.实验结果表明,所提方法在满足行人检测实时性的同时,提高鲁棒性,可有效实现密集人群场景下的行人检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕学斌	四川大学计算机学院	19	175	8.0	13.0
5	张楚楚	四川大学计算机学院	1	2	1.0	1.0