计算机工程与科学

作者：李兰, 刘杰, 张洁

单位：青岛理工大学信息与控制工程学院，山东 青岛 266000

关键词：行人检测,YOLOv4算法,k-means聚类算法,多尺度特征融合,斥力损失,

在图像和视频序列中进行行人检测时，存在行人姿态和尺度多样及行人遮挡的问题，导致YOLOv4算法对部分行人检测不准确，存在误检和漏检的情况。针对这一问题，提出了基于YOLOv4改进算法的复杂行人检测模型。首先，使用改进的k-means聚类算法对行人数据集真实框尺寸进行分析，根据聚类结果确定先验框尺寸；其次，利用PANet进行多尺度特征融合，增强对多姿态、多尺度行人目标的敏感度，以提高检测效果；最后，针对行人遮挡问题，使用斥力损失函数使预测框尽可能地靠近正确的目标。实验表明，相比于YOLOv4和其他行人检测模型，新提出的检测模型具有更好的检测效果。

来源：2022年第8期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第8期