基于YOLOV3算法的行人检测方法

被引：2

作者：

孟本成

机构：

[1] 昆明理工大学信息工程与自动化学院

来源：

电视技术 | 2019年 / 43卷 / 09期

关键词：

行人数据集; 行人检测; 深度学习; 聚类; YOLO;

D O I：

10.16280/j.videoe.2019.09.002

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对传统行人检测器鲁棒性差,定位精度差且漏检率较高的问题,提出一种基于YOLOV3网络结构行人检测方法。结合行人尺寸特点和改变卷积层的数量,聚类选取恰当的候选框,改进YOLOV3网络结构,得到适用于行人检测的网络结构。实验结果表明,与HOG+SVM、Faster R-CNN、YOLO等主流方法比较,改进的YOLOV3行人检测方法对于定位的准确性和精确度有一定的提升。

引用

页码：6 / 9+46 +46

页数：5

共 5 条

[1] 基于头肩HOG特征的快速行人检测 [J].

景阳 ;

刘琳 ;

黄鸿志 ;

曾昭龙 .

电视技术, 2014, 38 (15) :227-230

[2] 应用尺度不变特征变换的多源遥感影像特征点匹配 [J].

刘志文 ;

刘定生 ;

刘鹏 .

光学精密工程, 2013, 21 (08) :2146-2153

[3] Content-Preserving Warps for 3D Video Stabilization [J].

Liu, Feng ;

Gleicher, Michael ;

Jin, Hailin ;

Agarwala, Aseem .

ACM TRANSACTIONS ON GRAPHICS, 2009, 28 (03)

[4]

Faster R-CNN:towards real-time object detection with region proposal networks .2 Ren S,He K,Girshick R B et al. Neural Information Processing Systems . 2015

[5]

Histograms of oriented gradients for humandetection .2 Dalal N,Triggs B. IEEE Computer Society Conference on ComputerVision and Pattern Recognition(CVPR) . 2005

← 1 →