基于YOLOv3的车辆行人目标检测算法改进方法研究

摘要

针对车辆行人检测中目标尺度多、尺度小、目标遮挡严重的问题,将实时性与准确性较高的YOLOv3算法应用于行人车辆检测领域,并提出两点优化方法:(1)优化非大值抑制算法,高斯函数衰减的形式对预测框置信得分进行抑制,避免被遮挡目标预测框被误删,提升算法对被遮挡目标的检测能力;(2)优化YOLOv3的网络结构,增加更多的特征层与残差单元,获得更高分辨率、更多预测尺度的网络结构,提升对小目标及多尺度目标的识别能力。实验使用UA-DETRAC、PASCAL VOC数据集进行训练与测试,结果表明相较于传统YOLOv3算法,在行人、车辆目标尺度多的情况下,召回率有一定提高;在目标图像小及被遮挡的情况下,准确率有所提升。