基于YOLO算法的目标人员识别与定位研究.pdfVIP

技术创新与应用研究2025年4月(第7期)

基于YOLO算法的目标人员识别与定位研究

王浩祥汪上轩马锦鸿安吉杨奥满

（郑州航空工业管理学院，河南省郑州市，450046）

摘要针对群组互动中单点追踪的难题，尤其是人物间遮挡及追踪目标失踪的问题，本研究开发了一种将个体目

标检测与身份辨识相结合的图像追踪策略，旨在提高追踪系统的稳定性和目标遮挡后的快速恢复能力。本研究采

用YOLO算法快速筛选潜在追踪目标，因其高效且精准，在图像目标侦测中广受推崇。随后，研究利用预训练的

深度残差网络（ResNet）对候选目标进行特征分析，ResNet能捕获丰富且深层次的特征，对身份辨识至关重要。

此追踪策略结合YOLO的高效筛选和ResNet的深度特征分析，显著提升了追踪系统在处理目标遮挡和丢失时的

恢复效率。该研究为智能监控、公共安全等领域提供了新技术方案，有望推动相关技术的进一步发展和应用。

关键词YOLO算法；目标检测；残差网络；特征分析；身份识别与跟踪

中图分类号：TP391.41;TP183文献标识码:A文章编号：1002-1221(2025)07-0200-04

在机器视觉的范畴内，对象识别技术始终是核心研寸，以此减少所需的计算资源并增强特征的表达能力。

究的焦点。伴随着人工智能技术的迅猛发展，对象识别其中，最大值池化的具体操作流程如下：

技术已经在安全监控、智能导航、医疗诊断等众多行

业显示出其强大的应用前景。特别是YOLO（YouOnly

l

LookOnce）算法，因其高效且精准的对象侦测特性而其中，P()是池化后的特征图，N是池化窗口内的

l

备受瞩目。YOLO算法的主要优势体现在其仅需一次前元素集合，F()(x,y)是窗口内的一个元素。

向传播的侦测模式上，这不仅极大地提升了侦测效率，在特征提取阶段，YOLO算法采用多级别特征捕获

还能维持较高的准确度，因而在实时对象侦测任务中占技术，以把握各个维度的特征信息。YOLO的网络架构

据了明显优势。是以GoogLeNet的Inception单元为基础，利用1x1

本研究的目的是深入分析YOLO算法在人员识别与的卷积层进行维度转换，再使用3x3的卷积层进行特

定位方面的应用，并尝试解决该算法在实际操作中遭遇征提取。到了YOLOv2（即Darknet-19）和YOLOv3版

的难题。通过对YOLO算法的深度剖析与优化，希望能本，网络架构进一步升级，引入了如Darknet-53和

够提升其在复杂环境中的人员识别与定位能力，为相关Darknet-153这样更为复杂的网络结构，大幅提升了特

技术领域的发展贡献新的观点和解决策略。征提取的深度与广度。这些复杂的网络层能够捕捉到

一、目标检测网络YOLO更为深入和