-
题名基于YOLOv2的行人检测方法研究
被引量：10
- 1
-
-
作者
刘建国
罗杰
王帅帅
关挺
-
机构
武汉理工大学现代汽车零部件技术湖北省重点实验室
武汉理工大学汽车零部件技术湖北省协同创新中心
-
出处
《数字制造科学》
2018年第1期50-54,59,共6页
-
文摘
针对传统基于人工提取行人特征鲁棒性差,漏检率高的问题,借鉴目标检测的研究成果YOLOv2算法,提出基于YOLOv2网络的行人检测方法。该方法在YOLOv2网络之前加入底层特征提取层,选择LBP纹理特征作为底层特征提取层算子进行预处理,将行人背景差异转化为纹理差异,突出行人特征,然后根据行人在图片中呈现高宽比相对固定,对数据集目标框聚类分析得出最优anchor个数及维度,微调网络参数,训练得到最优模型。在INRIA行人数据集上进行试验,结果表明,该模型在行人检测中漏检率明显优于传统HOG+SVM、Faster-RCNN以及直接应用YOLOv2的方法,在INRIA数据集上误检率为10-1时,漏检率仅为9.26%。
-
关键词
行人检测
YOLOv2
底层特征提取层
LBP特征
聚类分析
-
Keywords
pedestrian detection
YOLOv2
underlying feature extraction layer
LBP feature
clustering analysis
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
