基于YOLO模型的红外图像行人检测方法

摘要：

针对基于传统特征提取方法的远红外图像行人检测存在准确率和实时性不足的问题,本文研究了一种基于改进YOLO模型的远红外行人检测方法,通过改进其深度卷积神经网络的输入分辨率,然后在基于实际道路采集的红外数据集上进行训练,得到检测效果最佳的检测模型,并提出基于车速的自适应图像分辨率模型,以提高车载系统的行人检测性能.在基于实际道路的红外数据集上的对比实验表明,该方法与传统方法相比,准确率从76.5％提高到89.2％,每秒传输帧数从0.01259 f/s提高到40.5 f/s,满足车载情况下的实时性需求.

关键词：红外图像、行人检测、深度卷积神经网络、YOLO

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省重点研发项目BE2017035

在线出版日期：2019-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1436-1442