[發(fā)明專利]一種基于改進(jìn)的YOLOv3網(wǎng)絡(luò)的人數(shù)識(shí)別統(tǒng)計(jì)方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210081157.6
• 申請日: 2022-01-24
• 公開（公告）號: CN114495003A
• 公開（公告）日: 2022-05-13
• 發(fā)明（設(shè)計(jì)）人: 薛陽;王翔;何文;許恒
• 申請（專利權(quán)）人: 上海申視信科技有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/80;G06V10/762;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州京諾知識(shí)產(chǎn)權(quán)代理有限公司 44407
• 代理人: 于睿虬

本發(fā)明公開了一種基于改進(jìn)的YOLOv3網(wǎng)絡(luò)的人數(shù)識(shí)別統(tǒng)計(jì)方法及系統(tǒng)，所述人數(shù)識(shí)別統(tǒng)計(jì)方法包括：采集人物圖像，對人物圖像進(jìn)行標(biāo)注生成數(shù)據(jù)集，將數(shù)據(jù)集分為訓(xùn)練集和測試集；對訓(xùn)練集進(jìn)行聚類分析，確定目標(biāo)錨值；將YOLOv3網(wǎng)絡(luò)模型中的主干特征提取網(wǎng)絡(luò)Darknet53改進(jìn)為CSPDarknet53，加入空間金字塔池化SPP模塊，生成YOLOv3目標(biāo)檢測優(yōu)化模型；將經(jīng)過聚類分析后的訓(xùn)練集輸入到Y(jié)OLOv3目標(biāo)檢測優(yōu)化模型中進(jìn)行訓(xùn)練，生成人數(shù)識(shí)別統(tǒng)計(jì)模型，并通過測試集對人數(shù)識(shí)別統(tǒng)計(jì)模型進(jìn)行測試。本發(fā)明通過對YOLOv3網(wǎng)絡(luò)模型的改進(jìn)，提高了檢測的準(zhǔn)確性和實(shí)時(shí)性。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像識(shí)別領(lǐng)域，尤其涉及一種基于改進(jìn)的YOLOv3網(wǎng)絡(luò)的人數(shù)識(shí)別統(tǒng)計(jì)方法及系統(tǒng)。

背景技術(shù)

人數(shù)識(shí)別統(tǒng)計(jì)在早期主要是以人工檢測為主，這種人工目檢的方式效率低且檢測速度慢，勞動(dòng)強(qiáng)度大，檢測準(zhǔn)確性和實(shí)時(shí)性比較差。近幾十年來，隨著機(jī)器視覺領(lǐng)域的發(fā)展，利用機(jī)器學(xué)習(xí)算法很好的克服了人工目測的缺點(diǎn)，機(jī)器視覺的快速檢測技術(shù)得到了越來越多人的青睞，例如一些研究者將模板匹配算法應(yīng)用在人數(shù)識(shí)別統(tǒng)計(jì)。

隨著機(jī)器學(xué)習(xí)的發(fā)展，各種用于人數(shù)識(shí)別統(tǒng)計(jì)的算法也相繼被提出，特別是近幾年來深度學(xué)習(xí)的崛起，卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別方向取得了很大的成功，由其衍生的目標(biāo)檢測算法廣泛應(yīng)用于缺陷檢測領(lǐng)域，例如YOLOv3系列算法以及以Faster-RCNN為代表的檢測算法，使缺陷檢測的實(shí)時(shí)性和準(zhǔn)確性得到進(jìn)一步的提高。

目前CNN(Convolutional Neural Networks)已經(jīng)廣泛應(yīng)用于機(jī)器學(xué)習(xí)、語音識(shí)別、圖像識(shí)別等多個(gè)領(lǐng)域。以CNN為基礎(chǔ)的目標(biāo)檢測算法、人群計(jì)數(shù)算法的發(fā)展也趨于穩(wěn)定，在大部分場景中已有實(shí)際運(yùn)用。在傳統(tǒng)的人群計(jì)數(shù)方法中，常用的有基于檢測的方法和基于回歸的方法?；跈z測的方法通常會(huì)利用SVM和隨機(jī)森林等傳統(tǒng)機(jī)器學(xué)習(xí)方法訓(xùn)練一個(gè)分類器，利用人體的整體或部分結(jié)構(gòu)，如頭部、肩膀等提取HOG(His－tograms of OrienteGradients)、邊緣等特征來檢測并統(tǒng)計(jì)人數(shù)。但該方法并不適用于人群遮擋的場景，針對不同尺度大小目標(biāo)的檢測效果并不理想?；诨貧w的方法，其思想是學(xué)習(xí)一種特征到人群數(shù)量的映射，通常是學(xué)習(xí)一個(gè)回歸模型來估計(jì)人群的數(shù)量。相較于傳統(tǒng)機(jī)器學(xué)習(xí)的方法，深度學(xué)習(xí)在計(jì)算機(jī)視覺的識(shí)別、檢測方面取得了很大的進(jìn)步，識(shí)別精度有了很大的提高。無論是使用目標(biāo)檢測的方法還是基于回歸的方法在CNN上都能得到優(yōu)于傳統(tǒng)機(jī)器學(xué)習(xí)方法的結(jié)果，隨著深度學(xué)習(xí)的不斷發(fā)展，在目標(biāo)檢測等多領(lǐng)域體現(xiàn)出明顯。優(yōu)勢已經(jīng)逐漸開始取代傳統(tǒng)的機(jī)器學(xué)習(xí)方法。

YOLO(You Only Look Once)是Joseph Redmon等人于2015年提出的目標(biāo)檢測算法，最初的版本最多只能檢測49個(gè)目標(biāo)。當(dāng)前，已有YOLOv1、YOLOv2和YOLOv3等多個(gè)版本。最新的版本中YOLOv3調(diào)整了網(wǎng)絡(luò)結(jié)構(gòu)，利用多尺度特征進(jìn)行對象檢測并且借鑒了殘差網(wǎng)絡(luò)結(jié)構(gòu)，形成更深的網(wǎng)絡(luò)層次。相較于前兩個(gè)版本，YOLOv3可分類的目標(biāo)更多、檢測的目標(biāo)更多、檢測速度更快并且檢測精度也更高。在精確度相當(dāng)?shù)那闆r下，YOLOv3的速度是其它目標(biāo)檢測模型的3、4倍。

YOLOv3通過融合當(dāng)前檢測領(lǐng)域的最新成果，可以實(shí)現(xiàn)精度與速度的良好平衡。YOLOv3使用的是全卷積層，通過修改卷積層的尺寸來實(shí)現(xiàn)特征圖尺寸的修改。YOLOv3網(wǎng)絡(luò)使用的主干特征提取網(wǎng)絡(luò)為Darknet53結(jié)構(gòu)，其共有5個(gè)大殘差塊，每個(gè)大殘差塊所包含的小殘差單元個(gè)數(shù)為1、2、8、8、4。YOLOv3主干部分由5個(gè)殘差模塊構(gòu)成，降低梯度爆裂的破壞性，增強(qiáng)網(wǎng)絡(luò)的學(xué)習(xí)能力。

但是YOLOv3的最小特征圖尺寸為13×13，仍然偏大，對于部分中型尺寸甚至較大尺寸物體的檢測結(jié)果精確度不盡人意。同時(shí)具有梯度組合不夠豐富、計(jì)算量較大、特征提取網(wǎng)絡(luò)感受野較小等缺點(diǎn)。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的之一在于提供一種基于改進(jìn)的YOLOv3網(wǎng)絡(luò)的人數(shù)識(shí)別統(tǒng)計(jì)方法，用于實(shí)現(xiàn)人數(shù)識(shí)別統(tǒng)計(jì)等功能，通過對YOLOv3網(wǎng)絡(luò)模型的改進(jìn)，提高了檢測的準(zhǔn)確性和實(shí)時(shí)性。