计算机科学与探索

作者：宋艳艳, 谭励, 马子豪, 任雪平

单位：北京工商大学 计算机与信息工程学院，北京 100048

关键词：目标检测,YOLOV3算法,斥力损失,深度学习,视频理解

由于监控中的行人检测存在背景复杂，目标尺度和姿态多样性及人与周围物体互相遮挡的问题，造成YOLOV3对部分目标检测不准确，会产生误检、漏检或重复检测的情况。因此，在YOLOV3的网络基础上，利用残差结构思想，将浅层特征和深层特征进行上采样连接融合得到104×104尺度检测层，并将K-means算法聚类得到的边界框尺寸应用到各尺度网络层，增加网络对多尺度、多姿态目标的敏感度，提高检测效果。同时，利用预测框对周围其他目标的斥力损失更新YOLOV3损失函数，使预测框向正确的目标靠近，远离错误的目标，降低模型的误检率，以改善目标间互相遮挡而影响的检测效果。实验结果证明，在MOT16数据集上，相比YOLOV3算法，提出的网络模型具有更好的检测效果，证明了方法的有效性。

来源：2021年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第1期