基于YOLOv3的复杂天气条件下人车识别方法的研究

作者：刘洋; 姜涛^*; 段学鹏

来源：长春理工大学学报(自然科学版), 2020, 43(06): 57-65.

• 人车目标检测
• MSRCR算法
• YOLOv3算法
• K-means++算法
• 深度学习

针对雨雪天气条件下路面行人和机动车的检测精度低、速度慢、易引起交通事故等问题,提出了改进的YOLOv3算法,并且将MSRCR图像增强处理与改进的YOLOv3算法相结合,进行人车目标检测。在进行目标检测时,首先将原始图像经过MSRCR图像增强处理,并且将处理后的图像作为目标检测的输入图像;然后运用K-means++聚类算法确定先验边框数及其具体参数,并设计合理的损失函数;最后利用改进的YOLOv3算法进行行人与车辆的检测。实验结果表明:利用MSRCR图像增强处理与改进的YOLOv3算法相结合可以有效地提高雨雪天气条件下行人与车辆的检测精度和检测速度,其中检测精度平均增加了1.78%,检测时间平均缩短了0.041 s,检测的准确性和实时性都得到了一定的提高,对于相关人车安全检测系统的开发与改进有一定的参考价值。

• 单位
  机电工程学院; 长春理工大学