基于改进YOLOv3算法的高密度人群目标实时检测方法研究

• 作者: 王俊杰 王思元
• 来源期刊: 安全与环境工程
• 学科: 工学
• 关键词: 高密度人群 疏散安全 鲁棒性 YOLOv3 M算法 聚类分析
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 安全工程
• 页码范围: 194-200
• 页数: 7页
• 分类号: X956|D035.29|TP391.41
• 字数: 5350字
• 语种: 中文
• DOI: 10.13578/j.cnki.issn.1671-1556.2019.05.029

摘要

公共建筑高密度人群疏散运动极具危险性,实时的人群目标识别与检测对于密集场所人群疏散安全至关重要.针对现有行人检测方法对于行人密集、局部遮挡等情况存在鲁棒性差、实时性低等问题,提出了一种基于改进YOLOv3算法的密集人群目标实时检测方法.该检测方法以YOLOv3算法为基础,采用K means方法对实验用数据集进行聚类分析并对网络结构进行调整,最终得到适用于高密度人群目标检测的算法即YOLOv3-M算法.实验结果表明:YOLOv3-M算法平均准确率达到91.20％o,召回率为89.77％,相比YOLOv3算法模型平均准确率提高了6.4％,召回率提高了4.73％;在阈值相同条件下,YOLOv3-M算法可有效降低图片漏识率与误识率;对1080P视频的检测速度达到19.2 FPS,基本满足实时检测的需求,从而验证了该检测方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王俊杰	中国海洋大学工程学院	14	11	2.0	3.0
2	王思元	中国海洋大学工程学院	1	1	1.0	1.0