面向拥挤行人检测的改进YOLOv7算法

作者：徐芳芯; 樊嵘; 马小陆

来源：计算机工程, 2023, 1-10.

DOI：10.19678/j.issn.1000-3428.0067741

• 机器视觉
• 拥挤行人检测
• 注意力机制
• YOLO
• BIFPN

拥挤行人检测一直是行人检测领域的研究热点。针对拥挤行人检测场景下检测算法易产生漏检与误检的问题，提出了一种改进的YOLOv7目标检测算法。针对拥挤行人检测场景中被遮挡行人目标特征缺失的问题，在骨干网络中融入Bi-Former视觉变换器模块以及改进的RC-ELAN模块，通过引入自注意力机制与注意力模块使骨干网络更多聚焦于被遮挡行人重要特征，有效缓解特征缺失对检测造成的影响。针对拥挤行人检测场景中小目标行人易被漏检的问题，采用融入BIFPN思想的改进颈部网络，通过引入转置卷积以及改进的Rep-ELAN-W模块使模型可以高效利用中低维特征图中的小目标特征信息，有效提升模型的小目标行人检测性能。针对原损失函数训练效率较低的问题，引入Efficient-CIoU损失函数，使模型可以进一步收敛至更高的精度。最后在含有大量小目标遮挡行人的WiderPerson拥挤行人检测数据集上进行实验表明，改进后的YOLOv7算法在拥挤行人检测场景下领先YOLOv7算法0.025AP50以及0.028AP50:95精度，领先YOLOv5算法0.099AP50以及0.071AP50:95精度，领先YOLOX算法0.123AP50以及0.107AP50:95精度。所提算法可以较好地应用于拥挤行人检测场景。

• 单位
  安徽工业大学