研究论文一种改进的卷积神经网络行人识别方法.pdf

针对现有的行人检测算法存在的定位精度低、实时性差的问题，借鉴目标检测的研究成果You Only Look Once（YOLO）算法，提出一种实时的行人检测方法。以Tiny-YOLO为基础，改变网络模型的输入尺寸，获得更好的行人特征表达；结合图像中行人尺寸特点，使用聚类分析方法，对数据集进行目标框聚类，选取适合行人检测的候选框尺寸与数量；通过增加一定数量卷积层的方法重新设计特征提取和目标检测网络；在混合数据集上训练，增强模型泛化性。实验结果表明，在应对不同尺寸行人和部分遮挡情况时，文中方法具有更低的漏检率、更好的定位精度与检测效果，且检测速度可以满足实时性要求。