多视角数据融合的特征平衡YOLOv3行人检测研究

• 作者: 陈丽 马楠 逄桂林 高跃 李佳洪 张国平 吴祉璇 姚永强
• 来源期刊: 智能系统学报
• 关键词: 多视数据 自监督学习 特征点匹配 特征融合 YOLOv3网络 平衡特征 复杂场景 行人检测
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 机器感知与模式识别|Natural Language Processing and Comprehension
• 页码范围: 57-65
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11992/tis.202010003

摘要

针对复杂场景下行人发生遮挡检测困难以及远距离行人检测精确度低的问题,本文提出一种多视角数据融合的特征平衡YOLOv3行人检测模型(MVBYOLO),包括2部分:自监督学习的多视角特征点融合模型(Self-MVFM)和特征平衡YOLOv3网络(BYOLO).Self-MVFM对输入的2个及以上的视角数据进行自监督学习特征,通过特征点的匹配实现多视角信息融合,在融合时使用加权平滑算法解决产生的色差问题;BYOLO使用相同分辨率融合高层语义特征和低层细节特征,得到平衡的语义增强多层级特征,提高复杂场景下车辆前方行人检测的精确度.为了验证所提出方法的有效性,在VOC数据集上进行对比实验,最终AP值达到80.14％.与原YOLOv3网络相比,本文提出的MVBYOLO模型精度提高了2.89％.