一种基于改进YOLOv3的果园环境下行人检测方法

摘要

本发明公开了一种基于改进YOLOv3的果园环境下行人检测方法。包括步骤：S1、果园环境下采集图像，并进行预处理，制作果园行人样本集；S2、利用K‑means聚类算法生成anchor box数量计算行人候选框；S3、在YOLOv3网络的增加更细致的特征提取层，增加其网络在大尺度特征层的检测输出，得到改进后的网络模型YOLO‑Z；S4、将训练集输入YOLO‑Z网络进行多种环境训练，然后保存其权重文件；S5、引入Kalman滤波算法并进行相应改进来提高模型的鲁棒性，解决漏检问题，提高检测速度。本发明解决了果园环境下行人实时检测速度慢，准确率较低的困境，实现了多任务训练，保证了在果园环境下行人的检测速度和精度。