基于YOLOv3增强模型融合的人流密度估计
为了解决在复杂背景以及人流密集且互相遮挡的场景下,对人流密度进行估计精度低的问题,提出了基于YOLOv3增强模型融合的方法进行人流密度估计.首先将数据集分别进行头部标注和身体标注,生成头部集和身体集.然后用这两个数据集分别训练两个YOLOv3增强模型YOLO-body和YOLO-head,最后使用这两个模型在相同的测试数据集上推理,将其输出结果进行极大值融合.结果表明基于YOLOv3增强模型融合的方法,与原始目标检测方法和密度图回归的方法相比精度提高了4%,且具有较好的鲁棒性.
YOLOv3、模型融合、人流密度估计、深度学习、目标检测
30
2021-04-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
271-276