计算机工程与科学

作者：李静, 何强, 张长伦, 王恒友,

单位：1.北京建筑大学理学院,北京 100044;2.北京建筑大学大数据建模理论与技术研究所,北京 100044;3.北京建筑大学北京未来城市设计高精尖创新中心,北京 100044

关键词：目标检测,人数统计,注意力机制,YOLOv3,

基金：国家自然科学基金(62072024，61473111)；北京建筑大学科学研究基金(KYJJ2017017,Y19-19,Y18-11)；住房和城乡建设部科学技术计划北京建筑大学北京未来城市设计高精尖创新中心开放课题（UDC2019033324,UDC201703332)；河北省机器学习与计算智能重点实验室资助课题（2019-2021-A）

随着人工智能技术的爆炸式发展，机器学习、深度学习等技术在人脸识别、行人检测和视频跟踪等各个领域得到了广泛的应用，其中利用目标检测进行室内人数统计一直以来是一个热门的研究。室内监控画面存在人群相互遮挡，且目标特征模糊等问题，往往导致检测准确率低，误检率和漏检率高等情况的出现。为了解决此问题，提出了一种基于全局注意力的室内人数统计模型，引入注意力机制，对目标检测算法YOLOv3进行改进，通过提取更多小人头或模糊人头的特征来增强检测能力。实验结果表明，改进后的网络模型具有更高的召回率和平均精度。

来源：2022年第3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3期