基于改进YOLO v3的相似外部特征人员检测算法

作者：梁思源; 王平; 罗凡波; 徐桂菲; 王伟

来源：平顶山学院学报, 2020, 35(02): 47-54.

DOI：10.3969/j.issn.1673-1670.2020.02.010

• 暗通道去雾YOLO网络
• 颜色特征
• 纹理特征
• 极限学习机

针对目前异常行为检测中相似特征人员检测方法稀缺、人员和特征检测准确度低、特征量较少,而相似外部特征往往意味着团队行动及潜在异常行为等问题,提出一种基于深度学习的相似外部特征人员检测算法.首先采用加入Fast Guided Filter的暗通道去雾算法对INRIA数据库图像进行前期处理,得到质量更佳的训练样本;然后用得到的样本对改进的YOLO v3进行训练;最后将提取出来的行人进行颜色特征和几种纹理特征提取,组合之后用ELM进行分类.仿真结果表明:加入Fast Guided Filter的暗通道去雾算法明显优于单纯的暗通道去雾算法,保留了更多的边缘和纹理特征,在雾天和强曝光下效果尤为明显.相比HOG+SVM方法,该算法对人员检测的误检率和漏检率都大大降低,且具有较好的实时性.最后ELM分类的准确性能够达到96. 104%.

• 单位
  西华大学