基于YOLO2的地铁进站客流人脸检测方法

• 作者: 刘羽 周慧娟 张强 柳颖 王旭阳
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 人脸检测 地铁站外客流 TinyYOLO2 卷积神经网络 DeepTinyYOLO2
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 图像处理
• 页码范围: 76-82
• 页数: 7页
• 分类号: TP391.41
• 字数: 5738字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.10.015

摘要

由于光照变化、乘客拥挤和站外噪声干扰大等问题,现今地铁进站客流人脸检测技术精度较低.为提高人脸检测精度,本文在YOLO2轻量级目标检测算法Tiny YOLO2原有网络结构基础上,首先利用不同数目的1×1卷积层对特征图进行压缩,然后将特征图尺寸重新调整到统一大小进行级联,得到高维特征图.缩减网络最后几层卷积核数量,用1×1卷积层替换原始网络的3×3卷积层,得到更深而且更窄的人脸检测网络.改进后的网络先后在Wider Face数据集和地铁进站客流数据集上进行训练,得到最终的人脸检测模型.加载训练好的人脸检测模型对随机选取的300幅站外乘客图片进行测试.测试结果表明:本文算法相比Tiny YOLO2原始人脸检测算法,召回率提高4.2％,单幅图片检测速度提高6.5％.同时在广泛使用的人脸检测算法评测数据集FDDB上进行测试,在误检数目为200的情况下,人脸检测准确率相比Tiny YOLO2平均提高5％,比SSD检测算法提高2％,而且本文算法能够在检测速度和精度之间取得较好的平衡,有较好的泛化性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周慧娟	北方工业大学城市道路交通智能控制技术北京市重点实验室	12	44	4.0	6.0
2	柳颖	北方工业大学城市道路交通智能控制技术北京市重点实验室	2	3	1.0	1.0
3	张强	北方工业大学城市道路交通智能控制技术北京市重点实验室	2	3	1.0	1.0
4	刘羽	北方工业大学城市道路交通智能控制技术北京市重点实验室	3	3	1.0	1.0
5	王旭阳	北方工业大学城市道路交通智能控制技术北京市重点实验室	1	3	1.0	1.0