一种基于轻量化YOLOv3的行人检测方法及系统技术方案

本发明专利技术发明专利技术公开了一种基于轻量化YOLOv3的行人检测方法，包括：建立针对周界入侵防护应用场景的行人数据集；构建轻量化YOLOv3行人检测网络；划分行人检测训练集，训练轻量化YOLOv3行人检测网络得到轻量化行人检测模型；划分行人检测验证集，验证训练得到的轻量化行人检测模型效果；将轻量化YOLOv3行人检测模型部署到嵌入式前端设备中。本方法采用高精度的轻量化骨干网络替换传统YOLOv3检测网络的骨干网络，大幅降低了行人检测网络的前向运算量和行人检测网络的参数数据量，在保证了行人检测的精度的同时大幅提升了行人检测速度，适用于计算能力较低、存储空间较小的嵌入式设备。

【技术实现步骤摘要】
一种基于轻量化YOLOv3的行人检测方法及系统
本专利技术涉及目标识别
，具体来说涉及一种基于轻量化YOLOv3的行人检测方法。
技术介绍
周界安防系统广泛应用于看守所、监狱、机场、核电厂、油库等建筑场所，用于防范非法入侵。随着社会科技不断进步，要地安防面临的挑战越来越严峻，打造更强大更智能的周界安防系统已经迫在眉睫。传统周界安防系统由封闭围栏和大量监控相机构成，比较容易受到恶劣天气等自然环境因素的影响，存在虚警率过高的问题，用户使用体验不佳。近年来，随着硬件技术的飞速进步和深度学习技术的跨越式发展，周界安防系统将人工智能技术引入要地防护，利用基于深度学习的目标识别算法对非法入侵目标进行判别，能够精确识别出感兴趣的入侵目标，使得周界安防系统不受光照阴影、雨雪雾、沙尘、树木晃动、小动物等因素干扰，大幅降低了周界安防系统的虚警率。基于深度学习的目标识别算法普遍存在网络前向运算量巨大和模型参数数据量过大的问题，需要运行在具有强大运算能力的高性能服务器上。由于周界安防系统部署环境复杂，将前端监控相机采集的图像实时传输到后端高性能服本文档来自技高网...

【技术保护点】
1.一种基于轻量化YOLOv3的行人检测方法，其特征在于，包括以下步骤：/nS1，建立周界安防行人检测数据集；所述数据集包括获取被防护要地场景中的真实行人图像并标注；提取开源数据集中包含的自然场景行人图像并转换其标注信息；搜集与行人图像数量相当的无人图像作为背景图像并为每个背景图像构建空白文件作为标注；/nS2，构建轻量化YOLOv3行人检测网络；所述轻量化YOLOv3行人检测网络采用的轻量化骨干网络结构如下：依次包含卷积层conv1，轻量化层3，轻量化层2、轻量化层1，轻量化层2、轻量化层1×2，轻量化层3、轻量化层1×3，轻量化层2、轻量化层1×2，轻量化层2、轻量化层1×2，轻量化层3，...

【技术特征摘要】
1.一种基于轻量化YOLOv3的行人检测方法，其特征在于，包括以下步骤：
S1，建立周界安防行人检测数据集；所述数据集包括获取被防护要地场景中的真实行人图像并标注；提取开源数据集中包含的自然场景行人图像并转换其标注信息；搜集与行人图像数量相当的无人图像作为背景图像并为每个背景图像构建空白文件作为标注；
S2，构建轻量化YOLOv3行人检测网络；所述轻量化YOLOv3行人检测网络采用的轻量化骨干网络结构如下：依次包含卷积层conv1，轻量化层3，轻量化层2、轻量化层1，轻量化层2、轻量化层1×2，轻量化层3、轻量化层1×3，轻量化层2、轻量化层1×2，轻量化层2、轻量化层1×2，轻量化层3，卷积层conv2；
S3，划分行人检测训练集，训练轻量化YOLOv3行人检测网络；
S4，划分行人检测验证集，验证轻量化YOLOv3行人检测模型效果；
S5，嵌入式设备部署轻量化YOLOv3行人检测模型。


2.根据权利要求1所述的基于轻量化YOLOv3的行人检测方法，其特征在于，所述S2中构建轻量化YOLOv3行人检测网络提取特征；采用三尺度检测模块检测行人：小尺度输出用于检测目标占比较大的行人，中等尺度输出用于检测目标占比居中的行人，大尺度输出用于检测目标占比较小的行人。


3.根据权利要求1所述的基于轻量化YOLOv3的行人检测方法，其特征在于，所述S2中构建轻量化YOLOv3行人检测网络采用的检测模块结构如下：小尺度依次包含卷积层conv3，卷积层conv4，卷积层conv5，卷积层conv6，卷积层conv7，卷积层conv8，卷积层conv9；中等尺度依次包含route层1，卷积层conv10，上采样层1，route层2，卷积层conv11，卷积层conv12，卷积层conv13，卷积层conv14，卷积层conv15，卷积层conv16，卷积层conv17；大尺度依次包含route层3，卷积层conv18，上采样层2，route层4，卷积层conv19，卷积层conv20，卷积层conv21，卷积层conv22，卷积层conv23，卷积层conv24，卷积层conv25。


4.根据权利要求3所述的基于轻量化YOLOv3的行人检测方法，其特征在于，所述步骤S2中构建轻量化YOLOv3行人检测网络的轻量化层1依次包含扩增卷积层1×1conv、深度卷积层3×3DwConv、压缩卷积层1×1conv,shortcut层；轻量化层2依次包含扩增卷积层1×1conv、深度卷积层3×3DwConv、压缩卷积层1×1conv；轻量化层3依次包含扩增卷积层1×1conv、深度卷积层3×3DwConv、压缩卷积层1×1conv。


5.根据权利要求1所述的基于轻量化YOLOv3的行人检测方法，其特征在于，所述S3中训练轻量化YOLOv3行人检测网络，随机选取周界安防行人检测数据集中设定比例的图像样本作为行人检测训练集，训练过程中对训练图像进行在线数据增强，包括：随机选取两张原始训练图像进行随机裁剪，随机缩放和随机颜色变换操作，两张原始训练图像的标注信息根据裁剪和缩放操作进行相对应的变换；将变换后的两张训练图像融合为一张新的训练图像，两张训练图像变换后的标注信息组合作为新的训练图像的标注。两张训练图像进行融合采用的公式如下：
I(x,y)＝0.5×I1(x,y)+0.5×I2(x,y)
其中，I1(x,y)和I2(x,y)分别表示变换后两张训练图像在坐标点(x,y)位置的像素值，I(x,y)表示融合后新的训练图像在坐标点(x,y)位置的像素值。


6.根据权利要求1所述的基于轻量化YOLOv3的行人检测方法，其特征在于，所述S3中训练轻量化YOLOv3行人检测网络直至损失函数稳定不再下降则停止训练，训练过程中采用的损失函数如下：



其中，S表示轻量化行人检测网...

【专利技术属性】
技术研发人员：杨利红，甘彤，商国军，张琦珺，程剑，刘海涛，窦曼莉，任好，房思思，卢安安，聂建华，姜少波，
申请(专利权)人：中国电子科技集团公司第三十八研究所，
类型：发明
国别省市：安徽;34