用于人体检测的YOLOv3改进及压缩算法的研究.docxVIP

? ? 用于人体检测的YOLOv3改进及压缩算法的研究* ? ? 张玉杰,董 蕊 (陕西科技大学电气与控制工程学院，陕西 西安 710021) 1 引言 人体检测是目标检测的重要研究方向之一，在智能监控等领域被广泛应用[1]。近年来，随着深度学习的发展，基于深度学习的目标检测方法也取得了很大的研究进展[2,3]，基于深度学习的目标检测算法分为2类：(1)以Fast R-CNN(Fast Region-based Convolutional Neural Network)[4]和R-FCN(Region-based Fully Convolutional Neural Network)[5]算法为代表的双步检测算法；(2)以SSD(Single Shot Detector)[6]和YOLO(You Only Look Once)[7]算法为代表的单步检测算法。两者都是以卷积神经网络CNN(Convolutional Neural Network)为核心架构，通过卷积层、池化层等基础网络提取区域特征，再经过一系列的分类过程，最后利用非极大值抑制NMS(Non-Maixmum Suppression)算法[8]得到输出结果。相比较来说，双步检测算法的精度高，但实时性相对较差；单步检测算法的精度较前者稍低，但实时性很好，检测速度也较快。 YOLO是一种端到端的目标检测算法,检测速度快，但在检测精度上略显不足，尤其是对小目标的识别性能明显下降。 YOLOv3 以较好的检测精度和速度得到广泛的研究和应用[9]。 YOLOv3算法虽然在目标检测方面已达到了较好的效果，但对于人体检测来说仍有不足。现实环境中的人体检测面临2大难点：(1)行人穿着多样化和姿态个性化导致在人体检测过程中，人体的外观和形态没有相对固定的特征描述；(2)人体距离摄像头的远近导致图像中人体的尺度不同，小尺度人体目标的特征信息少导致不容易被检测到[10]。 对于人体检测场景，YOLOv3在主干网络的多次卷积过程中容易丢失有用的人体特征，且主干网络中使用单一的3×3卷积核只能提取一种尺寸的信息，导致特征信息泛化能力差，并且其检测模块中只使用单一的3×3卷积核对提取到的人体特征进行检测，而单一的感受野不能充分地检测特征，导致各尺度目标尤其是小目标检测效果较差。 因此，本文通过改进YOLOv3的主干网络提升特征提取能力；改进检测模块提高各尺度人体的检测效果。最后，联合优化权重损失函数和BN层缩放因子的L1正则项对其进行通道剪枝，减小参数量、计算量和模型体积,使其可以应用于嵌入式平台上。 2 存在的问题 2.1 YOLOv3原理 YOLOv3的网络结构如图1所示，DBL由Darknet的卷积层后接BN和LeakyReLU构成。resn残差模块由步长为2的3×3 DBL下采样层和n个res_unit残差单元组成[11]。DBL*5包含3个1×1和2个3×3 DBL。YOLOv3实现目标检测包含卷积特征提取、特征金字塔融合[12]和多尺度预测3个阶段。(1)卷积特征提取。主干网络由3×3 DBL和res1、res2、res8、res8和res4构成，经过主干网络的多层卷积提取目标特征。(2)特征金字塔融合。将res4模块输出的特征图通过DBL*5和1×1 DBL层后进行上采样再与第2个res8模块输出的特征图在通道上拼接。然后以相同的方式与第1个res8模块输出的特征图拼接，实现特征金字塔融合。(3)多尺度预测。将res4模块输出的特征图与特征金字塔融合后的特征图经过检测模块(DBL*5结构、3×3 DBL与1×1 conv层)输出深度为3×(4+1+C)的特征图，其中4是指预测框宽、高和中心点坐标共4个元素，1为目标置信度，C为类别数。人体检测中C=1。YOLOv3算法采用多尺度预测可以输出3种不同尺寸的特征图，分别为图1中的y1，y2和y3。采用不同尺度锚框进行检测，根据不同预测框与真实框的交并比IOU(Intersection Over Union)重合度做非极大值抑制得到最终的预测框。 Figure 1 Network structure of YOLOv3图1 YOLOv3的网络结构 2.2 YOLOv3检测人体存在的问题 人体由于穿着多样化和姿态个性化而拥有复杂的特征。YOLOv3用于人体检测时存在以下问题：(1)YOLOv3经过多层卷积会丢失有用的人体特征，导致检测精度低；(2)YOLOv3只使用3×3卷积核提取人体特征，卷积核尺寸单一，对于复杂的人体特征只能提取一种尺寸的特征信息，导致提取的特征泛化能力差；(3)YOLOv3的检测模块中只使用单一的3×3卷积核进行检测，导致各尺度人体特征检测不充分，尤其是小尺度人体的检测效果较差。 3 改进的人体检测算法 针对