馮 媛，李敬兆

(安徽理工大學(xué) 電氣與信息工程學(xué)院，安徽 淮南 232001)

0 引 言

近年來(lái)深度學(xué)習(xí)相關(guān)理論快速發(fā)展，優(yōu)秀的神經(jīng)網(wǎng)絡(luò)模型層出不窮，基于深度學(xué)習(xí)的目標(biāo)識(shí)別模型在準(zhǔn)確性和實(shí)時(shí)性方面都明顯優(yōu)于傳統(tǒng)的人工設(shè)計(jì)特征的檢測(cè)算法[1]。深度學(xué)習(xí)也被廣泛應(yīng)用到行人檢測(cè)中，并逐漸成為計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)之一[2]。

傳統(tǒng)的行人檢測(cè)方法大多集中在人工特征的提取和分類方面，但此類方法存在特征維度高、泛化能力差等缺點(diǎn)，對(duì)傳統(tǒng)方法的改進(jìn)通常是建立在梯度直方圖(HOG)[3]、Haar特征、局部二值模式(LBP)[4]等基礎(chǔ)上。

目前，目標(biāo)檢測(cè)領(lǐng)域的深度學(xué)習(xí)方法主要分為兩類：區(qū)域提名算法和端到端算法。區(qū)域提名算法通常是結(jié)合候選區(qū)域(region proposal，RP)和卷積神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行目標(biāo)檢測(cè)，代表性的網(wǎng)絡(luò)有R-CNN系列[5-7]等；端到端算法，代表性的網(wǎng)絡(luò)有SSD[8]、YOLO系列[9-11]。相較于區(qū)域提名算法，SSD和YOLO算法舍棄了RP階段，犧牲了一定的檢測(cè)精度，但提高了檢測(cè)速度。何愷明等提出了ResNet[12]，引入新思路進(jìn)行神經(jīng)網(wǎng)絡(luò)優(yōu)化。DenseNet[13]在ResNet的思想上再做創(chuàng)新，使各層間連接更加緊密，其網(wǎng)絡(luò)結(jié)構(gòu)不復(fù)雜，卻非常有效。

近年來(lái)，神經(jīng)網(wǎng)絡(luò)的輕量化一直是業(yè)界的發(fā)展趨勢(shì)，YOLO系列雖然具有較好的檢測(cè)準(zhǔn)確率和實(shí)時(shí)性，但其對(duì)電腦的GPU等硬件配置要求較高。因此，本文提出了一種融合DenseNet和YOLOV3的行人檢測(cè)方法，改良后的Dense-YOLO網(wǎng)絡(luò)擁有更少的卷積層、更快的檢測(cè)速度以及較好的檢測(cè)精度，更適合應(yīng)用在行人檢測(cè)的場(chǎng)景中。

1 Dense-YOLO特征融合網(wǎng)絡(luò)

1.1 網(wǎng)絡(luò)結(jié)構(gòu)

現(xiàn)有的YOLO系列神經(jīng)網(wǎng)絡(luò)模型雖然在目標(biāo)檢測(cè)方面已達(dá)到了較好的效果，但是面對(duì)行人檢測(cè)場(chǎng)景，YOLO系列神經(jīng)網(wǎng)絡(luò)并不完全適合，所以需對(duì)YOLO算法進(jìn)行改進(jìn)，使其更適合行人檢測(cè)工作。目前有研究者提出基于Faster-RCNN的行人檢測(cè)方法，該方法通過(guò)聚類和構(gòu)建區(qū)域候選網(wǎng)絡(luò)(region proposal network，RPN)，快速生成可能感興趣的框，從而將含有行人的區(qū)域提取出來(lái)[14]。也有通過(guò)改進(jìn)Tiny-YOLO的網(wǎng)絡(luò)結(jié)構(gòu)來(lái)實(shí)現(xiàn)行人檢測(cè)的輕量化模型[15]。針對(duì)行人檢測(cè)，本文提出了一個(gè)融合了YOLOV3和DenseNet的輕量化行人檢測(cè)算法,利用卷積神經(jīng)網(wǎng)絡(luò)提取低層圖像特征,并調(diào)節(jié)IOU(交并比)和學(xué)習(xí)率的閾值來(lái)改善行人重疊或遮擋的問(wèn)題，通過(guò)k均值聚類算法 (k-means) 提取可能含有行人的區(qū)域。針對(duì)畫(huà)面中行人大小不一，尺寸不同的情況，利用特征金字塔網(wǎng)絡(luò)(feature pyramid networks，F(xiàn)PN)[16]來(lái)做高低層的行人的特征融合，不同尺寸的行人特征圖對(duì)應(yīng)不同大小的行人會(huì)有更好的預(yù)測(cè)效果。較小的特征圖對(duì)尺寸較大的行人會(huì)有較好的預(yù)測(cè)能力，較大的特征圖對(duì)尺寸較小的行人或者是被遮擋的行人具有更好的預(yù)測(cè)能力。再利用Dense Block的結(jié)構(gòu)對(duì)行人檢測(cè)的網(wǎng)絡(luò)進(jìn)行輕量化完善，提升行人檢測(cè)網(wǎng)絡(luò)的實(shí)時(shí)性，改進(jìn)后的模型結(jié)構(gòu)如圖1所示。

圖1 Dense-YOLO結(jié)構(gòu)

1.2 強(qiáng)化行人特征

為了讓本文的行人檢測(cè)方法能夠獲得更全面的行人特征，使特征提取的效果更好，從輸入圖像這方面著手，本文做出以下兩點(diǎn)改進(jìn)：

(1)在卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)，對(duì)部分輸入圖像的大小進(jìn)行隨機(jī)變換，放大倍數(shù)區(qū)間為(0.25,2)。同時(shí)，為了讓行人檢測(cè)模型的魯棒性更好，采取了對(duì)圖片隨機(jī)添加偏移量的操作。為了讓行人檢測(cè)模型適用于任何光照強(qiáng)度的情景，減少圖片明暗度對(duì)行人檢測(cè)結(jié)果造成的影響，本文額外進(jìn)行了圖片隨機(jī)旋轉(zhuǎn)和隨機(jī)扭曲HSV顏色空間模型的操作，HSV是一種較為直觀的顏色模型，在許多圖像編輯工具中應(yīng)用廣泛。HSV模型中顏色的參數(shù)分別是：色調(diào)(hue，H)，飽和度(saturation，S)，明度(value，V)。進(jìn)行隨機(jī)扭曲HSV，如圖2所示，在灰度圖像下，標(biāo)定框里的行人顏色發(fā)生了變化，這就相當(dāng)于改變了行人的明暗程度，不僅增強(qiáng)了數(shù)據(jù)集的豐富度，也使神經(jīng)網(wǎng)絡(luò)具有更好的泛化性，后續(xù)實(shí)驗(yàn)結(jié)果表明，此舉有效提高了行人檢測(cè)的準(zhǔn)確率和召回率。

圖2 隨機(jī)扭曲HSV顏色空間模型

(2)據(jù)現(xiàn)有的行人檢測(cè)實(shí)驗(yàn)研究表明，圖像中行人身高和寬度通常為3∶1的定值，也就意味著行人的橫向特征比縱向特征表達(dá)少[17]。因此，本文中采用9∶16的輸入圖片的長(zhǎng)寬比，與原網(wǎng)絡(luò)輸入圖像大小416×416相比，增加了圖像的寬度，增強(qiáng)了行人橫向特征的表達(dá)，豐富了行人特征信息。

1.3 k均值聚類算法

值得關(guān)注的是YOLO系列借鑒了Faster R-CNN的思想，在網(wǎng)絡(luò)中使用了anchor boxes，用k-means的思想來(lái)確定初始候選框。YOLOV2和YOLOv3初始候選框的個(gè)數(shù)分別是在PASCAL VOC數(shù)據(jù)集和COCO數(shù)據(jù)集使用聚類算法確定的，YOLOV2有5個(gè)anchor boxes，YOLOV3有9個(gè)anchor boxes。YOLOV3結(jié)合FPN的多尺度融合思想，將9個(gè)anchor boxes平均分到3個(gè)尺寸的網(wǎng)絡(luò)層實(shí)行預(yù)測(cè)。COCO以及PASCAL VOC數(shù)據(jù)集含有的物體種類很多，因此原有anchor boxes的參數(shù)也不太適和應(yīng)用于行人檢測(cè)。為了對(duì)行人的定位進(jìn)行更準(zhǔn)確的預(yù)測(cè)，本文在INRIA行人數(shù)據(jù)集上進(jìn)行k均值聚類，根據(jù)該數(shù)據(jù)集的大小和行人的特征，確定最優(yōu)的anchor boxes的參數(shù)。傳統(tǒng)的k-means測(cè)距通常用的是歐氏距離算法，但這樣會(huì)出現(xiàn)“大框優(yōu)勢(shì)”的問(wèn)題，即較大的邊界框比小的邊界框會(huì)產(chǎn)生更大的距離誤差。IOU是產(chǎn)生的候選框與原邊界框的重疊率，且IOU的大小與原邊界框尺寸無(wú)關(guān),因此使用IOU參與距離計(jì)算可以避免這一問(wèn)題，計(jì)算距離如式(1)所示，b表示k均值聚類的結(jié)果，c表示聚類中心

D(b,c)=1-IOU(b,c)

(1)

通過(guò)k值和平均IOU的關(guān)系，選擇最適合網(wǎng)絡(luò)的k值，二者關(guān)系如圖3所示。

圖3 平均IOU的k曲線

如圖3所示，k=6是曲線的斜率慢慢減小的點(diǎn)，為了加快網(wǎng)絡(luò)的識(shí)別速度，Dense-YOLO網(wǎng)絡(luò)會(huì)在兩個(gè)尺度的預(yù)測(cè)層上進(jìn)行預(yù)測(cè)，可采取每層分配3個(gè)anchor boxes的策略，因此采用k=6的聚類結(jié)果。

1.4 Dense Block模塊

Dense Block這一概念來(lái)自于CVPR2017最佳論文所提出的DenseNet。在傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)中，神經(jīng)網(wǎng)絡(luò)的層數(shù)通常等于連接的數(shù)量，但在DenseNet中，其每一層的輸入都是來(lái)自前面所有層輸出的并集，層與層之間的連接變得更緊密。DenseNet的網(wǎng)絡(luò)比傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)寬度窄很多，這歸功于它的Dense Block中的子模塊Bottleneck layer和Translation layer結(jié)構(gòu)。DenseNet提出K值的概念，K代表網(wǎng)絡(luò)成長(zhǎng)率(Growth rate)，它被用來(lái)控制網(wǎng)絡(luò)的寬度。Dense Block結(jié)構(gòu)如圖4所示。

圖4 Dense Block結(jié)構(gòu)

如圖4所示，假設(shè)x0是輸入，H1的輸入是x0，H2的輸入是x0和x1(x1是H1的輸出)，以此類推。具體概念體現(xiàn)在式(2)中，[x0，x1……xl-1] 表示將0到l-1層的輸出特征圖做通道的合并，Hl包括BN，ReLU和3×3的卷積,經(jīng)過(guò)Hl處理之后輸出的特征圖的數(shù)量都為K，便于控制網(wǎng)絡(luò)的寬度(特征圖的通道數(shù))。如果神經(jīng)網(wǎng)絡(luò)有l(wèi)層，那么第l層有K(l-1)+K0個(gè)輸入特征圖，K0是輸入圖片的通道數(shù)

xl=Hl([x0,x1……xl-1])

(2)

因?yàn)镈enseNet的層層緊密連接，當(dāng)網(wǎng)絡(luò)層數(shù)加深時(shí)，特征圖的通道數(shù)也會(huì)變得很大，即特征圖數(shù)量變多。因此在每個(gè)Dense Block的3×3卷積前面都加入了一個(gè)1×1的卷積操作，即Bottleneck layer，這個(gè)操作不僅是為了減小輸入的特征圖的數(shù)量，也是為了可以融合各個(gè)通道特征，從而達(dá)到降維和減少計(jì)算量的目的。另外,為了進(jìn)一步壓縮參數(shù)，DenseNet在每?jī)蓚€(gè)Dense Block之間又增加了1×1的卷積操作，即Translation layer，調(diào)節(jié)參數(shù)reduction(范圍是0到1)，通常默認(rèn)為0.5，如此一來(lái)傳遞給下一個(gè)Dense Block的時(shí)候通道的數(shù)量就會(huì)減少一半，在一定程度上減少了參數(shù)量。由于這幾個(gè)機(jī)制的加入，使得DenseNet的每個(gè)卷積層的輸出特征圖的數(shù)量都很小。這種緊密連接的方式使得特征和梯度的傳遞更加有效，減輕了梯度消失的情況，網(wǎng)絡(luò)也變得更加容易訓(xùn)練。

1.5 Dense-YOLO的訓(xùn)練策略

本文在YOLOV3的基礎(chǔ)上，將YOLOV3原有的主網(wǎng)絡(luò)DarkNet換成DenseNet，不但減少了神經(jīng)網(wǎng)絡(luò)的層數(shù)，而且達(dá)到了降低網(wǎng)絡(luò)參數(shù)數(shù)量的目的，將YOLOV3原有的殘差模塊替換成Dense Block。

結(jié)合圖5簡(jiǎn)述網(wǎng)絡(luò)的訓(xùn)練策略，以輸入尺寸為480×270的圖片為例，先經(jīng)過(guò)一層卷積層，圖片大小不變，通道數(shù)變?yōu)?4。激活函數(shù)選用Leaky Relu是因?yàn)槠湓谪?fù)軸有一個(gè)小斜率傾斜，當(dāng)激活函數(shù)進(jìn)入負(fù)半軸時(shí)依然能令神經(jīng)元繼續(xù)保持學(xué)習(xí)的狀態(tài)。經(jīng)過(guò)最大池化(max polling，MP)層，MP對(duì)特征圖進(jìn)行(270/3,480/4)的處理，在保留主要特征的同時(shí)還可以起到降低參數(shù)數(shù)量的作用。之后進(jìn)入DB(dense block)層,對(duì)于模塊中每一層的輸入特征圖的層數(shù)是不斷增加的，每次增加的個(gè)數(shù)設(shè)為K，為了網(wǎng)絡(luò)不變寬，K值不宜過(guò)大，本實(shí)驗(yàn)中取K=32。 但僅憑K的控制網(wǎng)絡(luò)寬度還不夠，隨著Dense Block模塊深度的加深，由于層層緊密連接，后面的輸入特征圖的維度會(huì)越來(lái)越大。為了解決這個(gè)問(wèn)題，在Dense Block模塊中加入了Bottleneck模塊，采用1×1卷積進(jìn)行降維，輸出維度都被降到4K維，可以起到降維減參的功效。Translation Layer模塊再次采用1×1卷積做降維，默認(rèn)輸出特征圖的數(shù)量為上一個(gè)DB模塊的輸出特征圖的一半，運(yùn)算量和參數(shù)再次被減少。

圖5 網(wǎng)絡(luò)流程

結(jié)合FPN的思想，基于神經(jīng)網(wǎng)絡(luò)的一貫特性，小尺度特征圖可以更好表征大目標(biāo)，大尺度的特征圖可以更好表征小目標(biāo)。為了對(duì)不同大小的行人檢測(cè)的效果更好，在Dense-YOLO的輸出端分為兩個(gè)尺度做預(yù)測(cè)。在經(jīng)過(guò)第一個(gè)Dense Block之后的特征圖大小為30×30，這作為第一個(gè)尺度特征圖輸出。之后再經(jīng)過(guò)兩個(gè)Dense Block后，得到大小為15×15的特征圖，其特征通道數(shù)為15。其中15×15對(duì)應(yīng)將輸入圖像分為15×15個(gè)柵格，共設(shè)置6個(gè)預(yù)測(cè)框，兩個(gè)尺度的各個(gè)柵格都要預(yù)測(cè)3個(gè)邊界框，各個(gè)邊界框都需要預(yù)測(cè)x、y、wide、hight、置信度以及框內(nèi)是n類待檢測(cè)物體中哪些類的條件概率。

本實(shí)驗(yàn)中只存在行人這一目標(biāo)，為了加快檢測(cè)速度，可以不用顯示行人標(biāo)簽，即n=0,直接標(biāo)出預(yù)測(cè)框。所以每一個(gè)柵格對(duì)應(yīng)的特征維數(shù)是3×(4+1)=15，最后Reshape成(15,15,3,5)的特征向量，再用非極大值抑制算法(non-maximum suppression，NMS)去除多余(交叉重復(fù))的窗口，找到最佳行人檢測(cè)位置。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 測(cè)試數(shù)據(jù)集

本實(shí)驗(yàn)中訓(xùn)練用到的數(shù)據(jù)集皆為國(guó)際公認(rèn)的行人檢測(cè)數(shù)據(jù)集：INRIA數(shù)據(jù)集和Caltech數(shù)據(jù)集。目前使用度最高的行人檢測(cè)數(shù)據(jù)集就是INRIA數(shù)據(jù)集，其中雖然包含了正負(fù)樣本，但是本實(shí)驗(yàn)中對(duì)于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練只是用數(shù)據(jù)集中的正樣本，該數(shù)據(jù)集清晰度較高，行人拍攝情況多樣化，存在行人遮擋情景下的圖片，平均像素為279左右，其訓(xùn)練數(shù)據(jù)集中有正樣本614張(包含2416個(gè)行人)，測(cè)試數(shù)據(jù)集有正樣本288張(包含1126個(gè)行人)。Caltech數(shù)據(jù)集是由加州理工等高校組成的視覺(jué)小組整理的，他們從10小時(shí)的車(chē)載攝像頭視頻中選取了137 min(約250 000張圖像)，2300個(gè)行人，作者標(biāo)注了350 000個(gè)邊界框，Caltech數(shù)據(jù)集很好的標(biāo)注了行人被遮擋情況，這有利于神經(jīng)網(wǎng)絡(luò)對(duì)行人遮擋問(wèn)題做出改進(jìn)，本文挑選了Caltech數(shù)據(jù)集中行人較多的2000張圖片進(jìn)行訓(xùn)練。實(shí)驗(yàn)在INRIA數(shù)據(jù)集和Caltech數(shù)據(jù)集混合數(shù)據(jù)集中進(jìn)行，圖6展示了實(shí)驗(yàn)中測(cè)試集中部分測(cè)試結(jié)果的圖片。

圖6 實(shí)驗(yàn)測(cè)試結(jié)果

2.2 模型搭建與訓(xùn)練

本文采用深度學(xué)習(xí)架構(gòu)YOLOV3和DenseNet搭建實(shí)驗(yàn)運(yùn)行環(huán)境，并配置CUDA 9.2環(huán)境進(jìn)行GPU并行加速計(jì)算，本文的實(shí)驗(yàn)平臺(tái)軟硬件配置見(jiàn)表1。

表1 實(shí)驗(yàn)平臺(tái)軟硬件配置

深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的搭建只是第一步，超參數(shù)的選擇對(duì)于神經(jīng)網(wǎng)絡(luò)的成功起到至關(guān)重要的作用，合理的設(shè)置網(wǎng)絡(luò)超參數(shù)，可以達(dá)到更好的訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的目的。設(shè)置學(xué)習(xí)率、動(dòng)量系數(shù)、迭代次數(shù)等參數(shù)能夠優(yōu)化超參數(shù)，讓神經(jīng)網(wǎng)絡(luò)達(dá)到更好的預(yù)測(cè)效果。多次實(shí)驗(yàn)后，本文選取網(wǎng)絡(luò)訓(xùn)練效果最好的一組值為最終的超參數(shù)。訓(xùn)練時(shí)模型的初始學(xué)習(xí)率設(shè)為0.01，學(xué)習(xí)率為0.1，權(quán)值衰減系數(shù)為0.0010，動(dòng)量系數(shù)為0.9，成長(zhǎng)率(K)設(shè)為32，批大小為32，epochs為10 000。為了增強(qiáng)網(wǎng)絡(luò)的泛化性，在網(wǎng)絡(luò)訓(xùn)練時(shí)還會(huì)進(jìn)行隨機(jī)調(diào)整圖片大小、將圖片旋轉(zhuǎn)某些角度以及隨機(jī)明暗度調(diào)節(jié)等操作。

2.3 實(shí)驗(yàn)結(jié)果與分析

2.3.1 強(qiáng)化行人特征圖像處理模塊測(cè)試

在行人測(cè)試數(shù)據(jù)集上，將加入強(qiáng)化行人特征圖像處理模塊的網(wǎng)絡(luò)模型和未加入該模塊的網(wǎng)絡(luò)模型進(jìn)行測(cè)試與比較，實(shí)驗(yàn)結(jié)果如表2所示，與不加該圖像處理模塊的方法相比，本文提出的方法使mAP提高了3.87%，召回率提升了3.39%。

表2 強(qiáng)化行人特征處理模塊的測(cè)試結(jié)果

2.3.2 行人檢測(cè)網(wǎng)絡(luò)的輕量化實(shí)現(xiàn)

為了驗(yàn)證Dense-YOLO網(wǎng)絡(luò)模型的輕量化，從模型的計(jì)算需求量、訓(xùn)練參數(shù)的數(shù)量、網(wǎng)絡(luò)模型的大小3個(gè)方面與YOLOV3和Tiny-YOLOV3網(wǎng)絡(luò)進(jìn)行比較，具體的比較結(jié)果見(jiàn)表3。Dense-YOLO網(wǎng)絡(luò)模型的計(jì)算需求量是YOLOV3的1/118，訓(xùn)練參數(shù)數(shù)量是YOLOV3的1/120,模型大小是YOLOV3的1/107，與YOLOV3的輕量化模型Tiny-YOLOV3相比，Dense-YOLO在實(shí)現(xiàn)網(wǎng)絡(luò)輕量化方面也有很大進(jìn)步。

表3 網(wǎng)絡(luò)模型規(guī)模比較

2.3.3 速度測(cè)試

本實(shí)驗(yàn)采用的檢測(cè)速度的評(píng)判標(biāo)準(zhǔn)為FPS(frames per second)，F(xiàn)PS是圖像領(lǐng)域中的定義，是指畫(huà)面每秒傳輸?shù)膸瑪?shù),FPS值反映了保存以及顯示動(dòng)態(tài)視頻的信息數(shù)量。FPS越大，表示每秒鐘的幀數(shù)越多，所顯示的視頻就會(huì)越流暢。為了滿足行人檢測(cè)的實(shí)時(shí)性要求，F(xiàn)PS的值越大越好。將DenseNet與傳統(tǒng)行人檢測(cè)算法HOG+SVM、YOLOV3以及輕量化神經(jīng)Tiny-YOLOV3等方法比較，具體的比較結(jié)果見(jiàn)表4，Dense-YOLO的檢測(cè)速度比HOG+SVM方法快35倍，比Tiny-YOLOV3快1.75倍，比YOLOV3快8倍，結(jié)果表明，Dense-YOLO的實(shí)時(shí)檢測(cè)速度實(shí)現(xiàn)了大幅提升。

2.3.4 精度測(cè)試

mAP(mean average precision)的定義式如式(3)所示，其含義是h類目標(biāo)物體的平均精度的均值

(3)

表4 目標(biāo)檢測(cè)速度各方法對(duì)比實(shí)驗(yàn)結(jié)果

召回率(Recall)的定義如式(4)所示，其表示測(cè)試數(shù)據(jù)集的全部目標(biāo)(NAll)中有多少被正確檢測(cè)到，正確檢測(cè)到的比例占多少

(4)

具體的測(cè)試結(jié)果見(jiàn)表5，Dense-YOLO的mAP相較于YOLOV3提升了2.91%，相較于Tiny-YOLOV3的mAP提升了29.09%。Dense-YOLO的召回率相較于YOLOV3提升了3.93%，相較于Tiny-YOLOV3提升了15.68%。YOLOV3由于主網(wǎng)絡(luò)是DarkNet，存在著網(wǎng)絡(luò)層數(shù)過(guò)多，容易造成梯度消失等問(wèn)題，導(dǎo)致網(wǎng)絡(luò)學(xué)習(xí)過(guò)早停滯；Tiny-YOLOv3又因?yàn)榫W(wǎng)絡(luò)層數(shù)過(guò)少，行人特征學(xué)習(xí)的不夠充分，而Dense-YOLO 在網(wǎng)絡(luò)層數(shù)和準(zhǔn)確率上做到了更好的平衡。

表5 不同網(wǎng)絡(luò)模型測(cè)試的結(jié)果

3 結(jié)束語(yǔ)

本文基于YOLOV3和DenseNet提出一種輕量化的行人檢測(cè)模型，在公開(kāi)行人檢測(cè)數(shù)據(jù)集INRIA數(shù)據(jù)集以及Caltech數(shù)據(jù)集上對(duì)網(wǎng)絡(luò)模型進(jìn)行了訓(xùn)練，并通過(guò)對(duì)輸入神經(jīng)網(wǎng)絡(luò)的圖片進(jìn)行隨機(jī)變化處理,增強(qiáng)網(wǎng)絡(luò)的泛化性，利用維度聚類分析選擇合適的k值，改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)，提出了一種基于Dense-YOLO網(wǎng)絡(luò)的行人檢測(cè)模型。

(1)與現(xiàn)有的行人檢測(cè)算法和YOLO系列算法相比，Dense-YOLO網(wǎng)絡(luò)更為輕量化，在保證一定準(zhǔn)確率的前提下，其具有更快的檢測(cè)速度，提高了行人檢測(cè)的實(shí)時(shí)性，借鑒特征金字塔的思想，Dense-YOLO網(wǎng)絡(luò)對(duì)不同尺寸的行人也具有更好的檢測(cè)效果。

(2)通過(guò)Dense-YOLO與復(fù)雜網(wǎng)絡(luò)的對(duì)比實(shí)驗(yàn)可以看出，Dense-YOLO網(wǎng)絡(luò)提升了目標(biāo)檢測(cè)速度，但由于行人檢測(cè)中依然存在遮擋、對(duì)小目標(biāo)行人檢測(cè)效果較差等問(wèn)題。如何在保證高速檢測(cè)的前提下對(duì)網(wǎng)絡(luò)的準(zhǔn)確率以及召回率進(jìn)行提升，將會(huì)是下一步研究的重點(diǎn)。