基于YOLO2的地铁进站客流人脸检测方法

摘要：

由于光照变化、乘客拥挤和站外噪声干扰大等问题,现今地铁进站客流人脸检测技术精度较低.为提高人脸检测精度,本文在YOLO2轻量级目标检测算法Tiny YOLO2原有网络结构基础上,首先利用不同数目的1×1卷积层对特征图进行压缩,然后将特征图尺寸重新调整到统一大小进行级联,得到高维特征图.缩减网络最后几层卷积核数量,用1×1卷积层替换原始网络的3×3卷积层,得到更深而且更窄的人脸检测网络.改进后的网络先后在Wider Face数据集和地铁进站客流数据集上进行训练,得到最终的人脸检测模型.加载训练好的人脸检测模型对随机选取的300幅站外乘客图片进行测试.测试结果表明:本文算法相比Tiny YOLO2原始人脸检测算法,召回率提高4.2％,单幅图片检测速度提高6.5％.同时在广泛使用的人脸检测算法评测数据集FDDB上进行测试,在误检数目为200的情况下,人脸检测准确率相比Tiny YOLO2平均提高5％,比SSD检测算法提高2％,而且本文算法能够在检测速度和精度之间取得较好的平衡,有较好的泛化性.

关键词：人脸检测、地铁站外客流、TinyYOLO2、卷积神经网络、DeepTinyYOLO2

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划资助项目2016YFB1200402

在线出版日期：2019-10-29（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：76-82