基于改进YOLOv3-tiny的工厂环境下实时行人检测方法技术

本发明专利技术公开了一种基于改进YOLOv3‑tiny的工厂环境下实时行人检测方法，包括以下步骤：采集工厂环境下的行人图像，并对提取图像进行额外的人体下半身与身体部位的标注，得到训练集和测试集；构建改进YOLOv3‑tiny网络模型；利用改进YOLOv3‑tiny网络模型对训练集进行迭代训练，以学习得到训练集对应的特征，得到训练后的改进YOLOv3‑tiny网络模型；将测试集的图像导入训练后的改进YOLOv3‑tiny网络模型，得到测试集的图像对应的行人预选框。通过上述方案，本发明专利技术具有逻辑简单、投入成本低廉、计算效率高等优点，在行人检测技术领域具有很高的实用价值和推广价值。

【技术实现步骤摘要】
基于改进YOLOv3-tiny的工厂环境下实时行人检测方法
本专利技术涉及行人检测
，尤其是基于改进YOLOv3-tiny的工厂环境下实时行人检测方法。
技术介绍
行人检测技术是利用图像处理技术从实时摄像头传输的视频中检测到行人目标。其中，检测常以矩形框确定行人目标的位置，通过实时视频流将检测图像以窗口形式反馈到用户界面。YOLOv3是目标检测YOLO系列算法的第三个版本，能在维持较高检测精度的同时，达到令人满意的实时检测速度。其得益于其强大的性能，YOLOv3已成为工程领域的首选算法之一，可以满足工业应用实时性的要求。YOLOv3网络设计策略延续了GoogleNet的核心思想，实现了端到端的目标检测。在实现单目标识别时，为了节省算力、压缩成本，常使用YOLOv3-tiny网络，它是基于YOLOv3缩减网络层而来，满足需求的同时进一步加快实时检测的速度，消耗更少的资源，适用于嵌入式设备。然而，现有技术中，工业机器人摄像头视角相对较低，工厂环境复杂多变，对实时性有极高的要求，现有行人检测技术大多应用于室外场景或视角相对较高的场景，无本文档来自技高网...

【技术保护点】
1.基于改进YOLOv3-tiny的工厂环境下实时行人检测方法，其特征在于，包括以下步骤：/n采集工厂环境下的行人图像，并对提取图像进行额外的人体下半身与身体部位的标注，得到训练集和测试集；/n构建改进YOLOv3-tiny网络模型；/n利用改进YOLOv3-tiny网络模型对训练集进行迭代训练，以学习得到训练集对应的特征，得到训练后的改进YOLOv3-tiny网络模型；/n将测试集的图像导入训练后的改进YOLOv3-tiny网络模型，得到测试集的图像对应的行人预选框。/n

【技术特征摘要】
1.基于改进YOLOv3-tiny的工厂环境下实时行人检测方法，其特征在于，包括以下步骤：
采集工厂环境下的行人图像，并对提取图像进行额外的人体下半身与身体部位的标注，得到训练集和测试集；
构建改进YOLOv3-tiny网络模型；
利用改进YOLOv3-tiny网络模型对训练集进行迭代训练，以学习得到训练集对应的特征，得到训练后的改进YOLOv3-tiny网络模型；
将测试集的图像导入训练后的改进YOLOv3-tiny网络模型，得到测试集的图像对应的行人预选框。


2.根据权利要求1所述的基于改进YOLOv3-tiny的工厂环境下实时行人检测方法，其特征在于，所述改进YOLOv3-tiny网络模型筛选预选框，包括以下步骤：
在改进YOLOv3-tiny网络模型的特征层上回归出类别与边框；
对图像进行卷积得到预选框坐标；
对预选框坐标进行非极大值抑制，以得到筛选预选框。


3.根据权利要求1所述的基于改进YOLOv3-tiny的工厂环境下实时行人检测方法，其特征在于，所述迭代训练的迭代次数为30000次。


4.根据权利要求2所述的基于改进YOLOv3-tiny的工厂环境下实时行人检测方法，其特征在于，所述改进YOLOv3-tiny网络模型的目标检测，包括以下步骤：
采用Leaders聚类算法对训练集和测...

【专利技术属性】
技术研发人员：周军，于傲泽，龙羽，徐菱，
申请(专利权)人：成都睿芯行科技有限公司，
类型：发明
国别省市：四川;51