改进YOLOv3的全景交通监控目标检测

作     者：孔方方 宋蓓蓓 KONG Fangfang;SONG Beibei

作者机构：长安大学信息工程学院西安710064 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2020年第56卷第8期

页      面：20-25页

学科分类：08[工学] 0804[工学-仪器科学与技术] 

基　　金：国家自然科学基金(No.61271262) 陕西省自然科学基金(No.2014JQ8320)。 

主　　题：目标检测 全景交通监控 K-means 特征融合 卷积神经网络 

摘      要：针对城市交通场景复杂、车辆及行人等目标多且尺度变化大等特点,提出一种改进的YOLOv3全景交通监控多目标检测方法。以YOLOv3网络为基础,兼顾大小尺度目标特性设计4个检测尺度,并进行多尺度特征融合处理。利用K-means聚类方法对数据集中的标注目标框进行聚类分析,选取优化的聚类锚点框宽高维度作为改进YOLOv3网络的初始候选框。全景交通监控检测目标包括大型汽车、小型汽车、骑行摩托车、骑行自行车和行人5类。在测试集上目标检测平均精度和召回率分别达到84.49%和97.18%,较原始YOLOv3分别提高了7.76%和4.89%,处理速度可满足交通场景下实时性检测要求。