基于改进YOLO v3的海关监管场所人员入侵检测算法

摘要：

文章提出了一种针对海关监管场景下的人员检测系统,当未授权人员进出监管场所禁区时可及时预警告知海关工作人员.由于传统的YOLO v3网络无法应对背景复杂或目标过小的情况,文章改进了YOLO v3神经网络,加入HOG-CLBP特征提取层,并改进了先验框的生成算法.另外,文章算法修正了损失函数,使其更加符合人体姿态特征,最后通过边界点偏离检测来判别是否有人员越界情况.文章对INRIA数据集和海关真实场景数据进行了测试,结果表明该方法可以有效地提高夜晚环境下人员的检测精度.

关键词：HOG-CLBP特征、YOLO v3、特征提取、行人检测

所属期刊栏目：19

分类号：TP393.08;TN915.08;TP181

在线出版日期：2022-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：122-126