[发明专利]一种基于改进YOLOv3模型的行人检测方法及系统

说明书

本发明公开了一种基于改进YOLOv3模型的行人检测方法及系统，包括：获取自动驾驶场景下实时采集的监控场景视频，从视频中提取图像帧；将图像帧输入到预先训练好的改进YOLOv3模型，利用改进YOLOv3模型对图像帧中是否包含行人进行判断，若是则用边界框标记，若否则不做任何处理。优点：本发明能够提高对遮挡目标的识别能力，有效提高行人检测精度，对小目标和遮挡目标误检率更低，并且速度更快，具有一定的实际应用价值，并且具有良好的泛化性能。

技术领域

本发明涉及一种基于改进YOLOv3模型的行人检测方法及系统，属于计算机视觉技术领域。

背景技术

近年来，基于深度卷积神经网络的计算机视觉技术已取得了举世瞩目的成就，这些成就推动了无人驾驶、监控视频、互联网的视频检索处理、人机交互、虚拟现实、医疗保健、智能安防等技术的发展。行人检测是自动驾驶技术中的一项重要研究内容，也是计算机视觉领域的研究热点之一。

随着深度神经网络，特别是卷积神经网络在目标检测任务中的发展，以及大规模行人检测公共数据集的出现，基于深度神经网络的行人检测算法已在实际问题中得到应用，但仍然存在小尺寸行人目标和被遮挡行人目标被误检、漏检或重复检测的问题。

此外在自动驾驶应用场景下，行人目标检测算法应当同时具备实时性和准确性。R-CNN、Faster R-CNN等二阶段方法由于实时性难以得到保证而较难实现应用，而YOLOv2、YOLOv3等一阶段算法在经过不断地改进后，在检测的实时性方面性能十分突出，但需要较大的GPU显存，资源消耗量大，在部署方面存在一定的困难。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种基于改进YOLOv3模型的行人检测方法及系统。

为解决上述技术问题，本发明提供一种基于改进YOLOv3模型的行人检测方法，包括：

获取自动驾驶场景下实时采集的监控场景视频，从视频中提取图像帧；

将图像帧输入到预先训练好的改进YOLOv3模型，利用改进YOLOv3模型对图像帧中是否包含行人进行判断，若是用边界框标记，若否则不做任何处理；

所述改进YOLOv3模型的改进包括：

在YOLOv3模型的ResNet34的网络结构的卷积块的近道连接上依次添加平均池化层和卷积层，得到ResNet34-D，并作为改进YOLOv3模型的的主干网络；

在YOLOv3模型的多特征融合网络中增加空间金字塔池化层，用于提取不同感受野的特征并进行融合；

在YOLOv3的多特征融合网络的输出层增加DropBlock模块，用于随机删除一部分输出层中固定大小的整片区域神经单元，利用保留下来的神经元集中学习剩余部分的特征表示；

利用DIoU损失函数代替YOLOv3模型中原先边框位置损失函数。

进一步的，所述改进YOLOv3模型的训练过程包括：

使用从网络中下载的ImageNet数据集训练ResNet34_D网络，得到ResNet34_D网络的权重文件；

利用所述ResNet34_D网络的权重文件初始化改进Y0L0v3模型的主干网络的网络参数；

获取自动驾驶场景下的历史行人图像，根据历史行人图像构建初始数据集，对初始数据集中的图像进行标注，得到行人数据集，按随机方式从行人数据集中选择训练集和验证集；

根据训练集和所述DIoU损失函数，利用梯度下降反向传播方法，对初始化网络参数后的改进YOLOv3模型中的深度卷积神经网络的参数进行迭代更新；将迭代至最大设定次数后得到的网络参数作为最优的网络参数，完成训练，得到初步的改进YOLOv3模型；