10.13682/j.issn.2095-6533.2018.04.008
改进的YOLOv3红外视频图像行人检测算法
针对YOLOv3检测红外视频图像行人时存在准确率低、漏检率高的问题,提出一种改进的YOLOv3红外视频图像行人检测算法.根据行人在红外图像中呈现宽高比相对固定的特点,利用k-means聚类方法选取目标候选框个数和宽高比维度,调整网络参数并提高输入图像分辨率,最后进行多尺度训练得到最优检测模型,从而检测红外视频图像序列中的行人目标,并通过候选框标注行人位置.在CVC-09红外行人数据集上进行对比实验,结果表明,改进的YOLOv3算法在红外行人检测中的准确率高达90.63%,明显优于Faster-rcnn和YOLOv3算法,且改进后的网络能够同时检测到更多目标,降低了漏检率.
行人检测、红外图像、YOLOv3、聚类分析
23
TP391(计算技术、计算机技术)
陕西省自然科学基础研究计划资助项目2018JM6118;西安邮电大学创新创业项目2018SC-08
2018-10-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
48-52,67