基于改进YOLOv2网络的遗留物检测算法 |
| |
引用本文: | 张瑞林,张俊为,桂江生,高春波,包晓安.基于改进YOLOv2网络的遗留物检测算法[J].浙江理工大学学报,2018(3). |
| |
作者姓名: | 张瑞林 张俊为 桂江生 高春波 包晓安 |
| |
作者单位: | 浙江理工大学信息学院 |
| |
摘 要: | 为了提高在复杂环境下检测遗留物体的准确度和实时性,提出了一种基于改进YOLOv2网络的遗留物检测算法。该算法在YOLOv2网络结构基础上结合残差网络,将浅层和深层特征多次融合,在基本不增加原有模型计算量和时间的情况下,提高了监控画面中检测小体积遗留物体的性能;同时以YOLOv2目标检测为基础,排除驻留行人和动物等非物体目标的干扰,并对目标筛选得到的可疑目标跟踪计时,停留时间超过阈值的目标标记为遗留物。以PETS2006和i-LIDS作为数据集进行实验,结果表明:该算法在提高遗留物检测准确度的同时缩短了处理时间,对人流密集的复杂环境抗干扰能力强。
|
本文献已被 CNKI 等数据库收录! |
|