基于YOLOv3增强模型融合的人流密度估计

• 作者: 孙乾宇 张振东
• 来源期刊: 计算机系统应用
• 关键词: YOLOv3 模型融合 人流密度估计 深度学习 目标检测
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 研究开发|Research and Development
• 页码范围: 271-276
• 页数: 6页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007915

摘要

为了解决在复杂背景以及人流密集且互相遮挡的场景下,对人流密度进行估计精度低的问题,提出了基于YOLOv3增强模型融合的方法进行人流密度估计.首先将数据集分别进行头部标注和身体标注,生成头部集和身体集.然后用这两个数据集分别训练两个YOLOv3增强模型YOLO-body和YOLO-head,最后使用这两个模型在相同的测试数据集上推理,将其输出结果进行极大值融合.结果表明基于YOLOv3增强模型融合的方法,与原始目标检测方法和密度图回归的方法相比精度提高了4％,且具有较好的鲁棒性.