基于YOLOv4的行人检测算法

TP391.41; 针对实际场景下YOLOv4模型难以处理遮挡行人的问题,在保证YOLOv4模型实时性的情况下做出了改进,将YOLOv4模型应用于行人检测.为了提高模型检测遮挡行人的能力,模型采用K-means++聚类算法重新设计适用于行人目标尺寸的先验框,引入排斥损失函数项,使候选框与临近的非匹配目标真实框距离最大化,候选框和其他目标真实框的重叠比例最小化.改进后模型在具有挑战性的数据集CrowdHuman和Caltech上进行实验,实验结果均验证了文中方法的有效性,最后将模型应用于实际场景下的视频行人检测,同样验证了本文改进的有效性....

Full description

Saved in:
Bibliographic Details
Published in常州大学学报（自然科学版） Vol. 36; no. 5; pp. 52 - 60
Main Authors 王洪元, 齐鹏宇, 唐郢, 张继, 朱繁, 徐志晨
Format Journal Article
LanguageChinese
Published 常州大学计算机与人工智能学院,江苏常州 213164 2024
Subjects
行人检测
排斥损失函数
pedestrian detection
single-stage target detection
occlude pedestrian
repulsion loss
遮挡行人
单阶段目标检测
Online AccessGet full text

Cover

More Information
Summary:TP391.41; 针对实际场景下YOLOv4模型难以处理遮挡行人的问题,在保证YOLOv4模型实时性的情况下做出了改进,将YOLOv4模型应用于行人检测.为了提高模型检测遮挡行人的能力,模型采用K-means++聚类算法重新设计适用于行人目标尺寸的先验框,引入排斥损失函数项,使候选框与临近的非匹配目标真实框距离最大化,候选框和其他目标真实框的重叠比例最小化.改进后模型在具有挑战性的数据集CrowdHuman和Caltech上进行实验,实验结果均验证了文中方法的有效性,最后将模型应用于实际场景下的视频行人检测,同样验证了本文改进的有效性.
ISSN:2095-0411
DOI:10.3969/j.issn.2095-0411.2024.05.006