JASE ›› 2020, Vol. 11 ›› Issue (1): 94-101.DOI: 10.3969/j.issn.1674-8484.2020.01.010
姜义成,李 凡 *#br#
JIANG Yicheng, LI Fan*
摘要: 为提高行人检测的准确率,提出一种基于卷积神经网络的行人检测方法。该方法以 YOLOv3-tiny 算法为基础,在骨干网络部分,用深度可分离卷积的网络结构代替原卷积网络结构, 加深网络深度。在检测部分,提出一种改进的多级特征金字塔网络,该网络由 8 个结构相同的使用深 度可分离卷积的特征金字塔组成,特征金字塔之间串联连接,将不同金字塔得到的相同尺寸的特征进 行融合,利用融合后的特征金字塔进行检测。在 Caltech Pedestrian数据集上进行测试。结果表明: 该方法的漏检率为 57.83%,比梯度方向直方图(HOG)方法低 32.53%,比基于深度学习的方法SA Fast-RCNN 和MS-CNN分别低 4.67%、3.21% ;运行速度为 34 ms/ 帧。因而,该方法满足了实时 性要求。