[發明專利]一種基于改進YOLOv3的人流檢測方法

有效

• 申請號: 202011236196.6
• 申請日: 2020-11-09
• 公開（公告）號: CN112347938B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 王議;袁佳
• 申請（專利權）人: 南京機電職業技術學院
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/762;G06V10/82;G06N3/0464;G06V10/764
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 蔣昱

1.一種基于改進YOLOv3的人流檢測方法，具體步驟如下，其特征在于：

步驟1，獲取實驗數據：對不同區域進行劃分，通過交通視頻監控不同區域的行人和車輛照片；

步驟2，人流監測問題建模：某區域的人流量為進入該區域的人流減去流出該區域的人流，人流分為人流量和車流量兩種；

步驟3，區分交通視頻監控圖像類型：將交通視頻監控圖像分別劃分為三類：車輛、行人和既包含行人又包含車輛，如果一張照片同時包含車輛和行人，可將該照片同時歸類于車輛圖片和行人圖片；

步驟3中區分交通視頻監控圖像類型具體描述為：

通過kNN算法對測試樣本集T_Ri進行分類，所分類別有：行人、車輛和既含有行人又含有車輛；尋找測試樣本T_Ri離訓練樣本集T_Ri最近的k個樣本，如果這k個訓練樣本中的大多數屬于某個類別，則該測試樣本也屬于這個類別，使用歐式距離進行度量：

L(x_i,x_j)是圖像樣本x_i和圖像樣本x_j的歐氏距離，是x_i第l維的特征值，是x_j第l維的特征值；

步驟4，改進YOLOv3網絡監測目標：改進YOLOv3網絡的錨框和感受野機制分別對行人和車輛進行檢測；

步驟4中改進YOLOv3網絡監測目標具體描述為：

建立兩個YOLOv3模型，分別檢測行人和車輛，每個模型包含三部分：主干模塊、特征融合模塊和預測模塊；為減小檢測框的回歸難度，通過K-means得到訓練集上的聚類中心，對原始YOLOv3網絡的錨框重新設置，并使用下式的距離度量：

d＝1-IOU(b,a)???(2)

其中，b和a分別表示標簽和聚類中心框，d表示標簽框與聚類中心框的重疊度，d越小，表示標簽框與聚類中心框的重疊度越高，使用聚類中心設置所有的YOLO錨框，大分辨率特征圖對應的YOLO層使用較小的2個錨框，小分辨率特征圖對應的YOLO層使用較大的3個錨框；

在主干模塊中加入多感受野機制來學習豐富的特征，提高主干模塊的學習能力，為獲得不同感受野特征，分別使用卷積核大小為1×1和5×5的CBLP模塊與原始的CBLP模塊并行連接，CBLP模塊和多感受野模塊的映射關系表示為下式：

x_CBLP＝H(x_i)??????????????????????????????(3)

x_multi＝H₁(x_i)+H₃(x_i)+H₅(x_i)??????????????????????(4)

其中x_CBLP和x_multi分別表示CBLP模塊和多感受野模塊的輸出；H₁(·)、H₃(·)和H₅(·)分別表示卷積核大小分別為：1×1、3×3和5×5的映射；x_i表示輸入特征圖，使用訓練樣本集訓練YOLOv3網絡，得到兩個檢測行人和車輛的改進YOLOv3網絡；

步驟5，求解人流監測模型：將YOLOv3檢測的結果回帶至人流監測問題，求解人流監測結果。

2.根據權利要求1所述的一種基于改進YOLOv3的人流檢測方法，其特征在于：步驟1中對不同區域劃分表示為：

對城市的不同區域進行劃分，將不同的區域表示為R＝{r₁,r₂,r₃,...,r_n}，分別將各個區域采集到圖像建立訓練樣本集D_Ri和測試樣本集T_Ri。