一种改进的卷积神经网络行人识别方法.PDFVIP

第 46 卷第 3 期 应            用            科            技 Vol.46 No.3 2019 年 5 月 Applied  Science  and  Technology May 2019   DOI: 10.11991/yykj.201809014 网络出版地址：/kcms/detail/23.1191.U1655.002.html 一种改进的卷积神经网络行人识别方法 陈聪，杨忠，宋佳蓉，韩家明 南京航空航天大学 自动化学院，江苏 南京 211106 摘    要：针对现有的行人检测算法存在的定位精度低、实时性差的问题，借鉴目标检测的研究成果 You Only Look Once（YOLO）算法，提出一种实时的行人检测方法。以Tiny−YOLO为基础，改变网络模型的输入尺寸，获得更好的行人特 征表达；结合图像中行人尺寸特点，使用聚类分析方法，对数据集进行目标框聚类，选取适合行人检测的候选框尺寸与数 量；通过增加一定数量卷积层的方法重新设计特征提取和目标检测网络；在混合数据集上训练，增强模型泛化性。实验结 果表明，在应对不同尺寸行人和部分遮挡情况时，文中方法具有更低的漏检率、更好的定位精度与检测效果，且检测速度可 以满足实时性要求。 关键词：行人检测；卷积神经网络；深度学习；YOLO；特征提取；聚类分析；多尺度特征；行人数据集 中图分类号：TP751                      文献标志码：A                      文章编号：1009−671X(2019)03−0051−07 An improved pedestrian detection method based on convolutional neural network CHEN Cong, YANG Zhong, SONG Jiarong, HAN Jiaming College of Automation Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China Abstract: To solve the problem of poor positioning accuracy and low real-time performance in current pedestrian detection algorithms, a real-time pedestrian detection method is proposed by applying the You Only Look Once (YOLO) algorithm of target detection. Based on the Tiny−YOLO network, by changing the size of input of the network model, it helps the network gain better expression of pedestrian characteristics. Combined with the pedestrian size characteristics in the image, the cluster analysis method is used to calculate the initial candidate boxes in dataset, and the size and number of anchor boxes suitable for pedestrian detection are selecte