一种智能视频监控系统中的行人检测方法

摘要：

在智能视频监控系统的行人检测中,目前使用的目标检测算法R-CNN和YOLO系列算法或速度较慢,无法满足实时性要求;或需要较大的GPU显存空间,难以部署.YOLOv3-tiny算法作为YOLO系列的精简版本,对设备要求较低、速度快,但该算法精度较低.本文通过调整YOLOv3-tiny算法的grid cell横纵方向数量、优化YOLOv3-tiny算法网络结构、聚类确定anchor的数量及尺寸,得到改进的YOLO-Y算法,并通过数据增强方法对训练数据集进行扩充.改进的YOLO-Y算法将mAP从90％提升到92％,Recall从95％提升到97％,检测速度达到26帧/s,占用约1 GB显存空间.实验结果表明改进的YOLO-Y算法显著提高了算法检测精度,具有实时性,且不需要太大的显存空间,满足大部分智能视频监控系统的要求.

关键词：智能视频监控系统、行人检测、YOLOv3-tiny、聚类、深度学习、行人数据集

分类号：TP391(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2017YFC0822404

在线出版日期：2019-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：69-74