一种改进的卷积神经网络行人识别方法

• 作者: 宋佳蓉 杨忠 陈聪 韩家明
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 行人检测 卷积神经网络 深度学习 YOLO 特征提取 聚类分析 多尺度特征 行人数据集
• 年，卷（期）: 2019,（3）
• 页码范围: 51-57
• 页数: 7页
• 分类号: TP751
• 字数: 5166字
• 语种: 中文
• DOI: 10.11991/yykj.201809014

摘要

针对现有的行人检测算法存在的定位精度低、实时性差的问题,借鉴目标检测的研究成果You Only Look Once(YOLO)算法,提出一种实时的行人检测方法.以Tiny-YOLO为基础,改变网络模型的输入尺寸,获得更好的行人特征表达;结合图像中行人尺寸特点,使用聚类分析方法,对数据集进行目标框聚类,选取适合行人检测的候选框尺寸与数量;通过增加一定数量卷积层的方法重新设计特征提取和目标检测网络;在混合数据集上训练,增强模型泛化性.实验结果表明,在应对不同尺寸行人和部分遮挡情况时,文中方法具有更低的漏检率、更好的定位精度与检测效果,且检测速度可以满足实时性要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨忠	南京航空航天大学自动化学院	125	1388	18.0	32.0
2	宋佳蓉	南京航空航天大学自动化学院	3	23	3.0	3.0
3	韩家明	南京航空航天大学自动化学院	5	23	3.0	4.0
4	陈聪	南京航空航天大学自动化学院	3	8	1.0	2.0