计算机工程

作者：徐芳芯, 樊嵘, 马小陆

单位：1. 京都情报大学院大学应用信息技术研究科, 日本 京都 606-82252. 安徽工业大学电气与信息工程学院, 安徽 马鞍山 243002

关键词：机器视觉,拥挤行人检测,注意力机制,YOLO系列算法,双向特征金字塔网络

基金：国家自然科学基金(62172004); 国家自然科学基金(61872004); 安徽省科技重大专项(202003a05020028); 安徽省高等学校自然科学研究重点项目(KJ2019A0065); 芜湖市核心技术攻关科技计划项目(2022hg10)

针对拥挤行人检测场景下检测算法容易产生漏检与误检的问题，提出一种改进的YOLOv7拥挤行人检测算法。在骨干网络中引入BiFormer视觉变换器和改进的高效层聚合网络(RC-ELAN)模块，通过自注意力机制与注意力模块使骨干网络更多聚焦于被遮挡行人的重要特征，有效缓解了目标特征缺失对检测造成的负面影响。采用基于双向特征金字塔网络思想的改进颈部网络，通过转置卷积和改进的Rep-ELAN-W模块使模型可以高效利用中低维特征图中的小目标特征信息，有效提升了模型的小目标行人检测性能。引入高效的完全交并比损失函数，使模型可以进一步收敛至更高精度。在含有大量小目标遮挡行人的WiderPerson数据集上的实验结果表明，与YOLOv7、YOLOv5、YOLOX算法相比，改进的YOLOv7算法的交并比阈值分别取0.5和0.5~0.95时的平均精准度提升了2.5和2.8、9.9和7.1、12.3和10.7个百分点，可较好地应用于拥挤行人检测场景。

来源：2024年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第3期