【技术实现步骤摘要】
基于YOLO神经网络的行人检测方法
本专利技术涉及街区行人图片中行人的自动识别，特别是基于深度YOLO神经网络的目标识别方法。
技术介绍
行人检测一直是计算机视觉领域的热门研究课题之一，其广泛应用于视频监控、自动驾驶等多个方面。目前行人检测的主要方法是通过使用有效的特征提取方法，并用HOG、PGA等方法进行特征降维，之后通过分类器如支持向量机等实现二分类，从而判断目标物体是否为待检测行人。随着卷积神经网络的发展，使用卷积神经网络进行行人识别的研究愈发增加，得到了较好的识别效果，但随着网络规模的复杂化，检测的速度不能满足实时性需求。YOLO是近年来提出的一种物体检测方法。它将一张待检测图片分为若干个小的区域，通过单个卷积神经网络得出每个区域所包含的物体及其属性，包括物体所占区域的中心位置、长宽等，从而达到目标检测的目的，在物体检测中得到了良好的效果。相比于其他检测系统，YOLO神经网络的优势在于其网络结构简单，可以达到远高于常用视频帧数30帧以上的检测速度，同时拥有良好的检测效果。
技术实现思路
本专利技术的目的在于提供一种基于YOLO神经网络的街区行人图片中行人的自动...
【技术保护点】
1.一种基于YOLO神经网络的行人检测方法，包括如下步骤：S1、收集训练集，对原始行人检测场景图片中的行人区域进行人工划分，作为训练集；S2、第一次学习,使用在公共图像数据库上训练的模型参数对YOLO神经网络进行初始化；S3、第二次学习，使用原始行人检测场景图片对所述YOLO神经网络进行二次预训练；S4、对YOLO神经网络进行有监督学习，使用所述训练集中已知行人区域的行人检测图像在二次预训练的基础上对所述YOLO神经网络进行进一步训练；S5、行人检测，将待检测图像作为训练好的YOLO神经网络模型的输入，其输出即为划分结果。
【技术特征摘要】
1.一种基于YOLO神经网络的行人检测方法，包括如下步骤：S1、收集训练集，对原始行人检测场景图片中的行人区域进行人工划分，作为训练集；S2、第一次学习,使用在公共图像数据库上训练的模型参数对YOLO神经网络进行初始化；S3、第二次学习，使用原始行人检测场景图片对所述YOLO神经网络进行二次预训练；S4、对YOLO神经网络进行有监督学习，使用所述训练集中已知行人区域的行人检测图像在二次预训练的基础上对所述YOLO神经网络进行进一步训练；S5、行人检测，将待检测图像作为训练好的YOLO神经网络模型的输入，其输出即为划分结果。2.根据权利要求1所述的基于YOLO神经网络的行人检测方法，其特征在于：所述YOLO神经网络包括25层的全卷积神经网络，其中包含19层卷积层和6层池化层。3.根据权利要求2所述的基于YOLO神经网络的行人检测方法，其特征在于：所述YOLO神经网络各层依次为：卷积层...
【专利技术属性】
技术研发人员：李波，王翔宇，张晓龙，黄德双，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。