基于改进YOLOv5的密集场景行人检测方法研究

作者：高强; 唐福兴; 李栋^*; 吉月辉; 刘俊杰; 史涛; 苏艳杰

来源：国外电子测量技术, 2023, 42(04): 125-130.

DOI：10.19652/j.cnki.femt.2204625

• 行人检测
• 加权双向特征金字塔网络
• 注意力机制
• YOLOv5
• VBlock

当前的研究中密集场景行人检测精度较低，为提高检测精度，提出一种基于YOLOv5网络的改进方法V-YOLO,采用加权双向特征金字塔网络(bi-directional feature pyramid network, BiFPN)改进原始网络中的路径聚合网络(path aggregation network, PANet),加强多尺度特征的融合能力，提高对行人目标的检测能力。为了保留更多的特征信息，提高主干网络的特征提取能力，添加残差结构VBlock;引入SKNet(select kernel networks)注意力机制，动态融合不同感受野的特征图，提高对不同行人特征的利用率。使用CrowdHuman数据集进行训练和测试，实验结果表明，所提出算法比原始网络的精确度、召回率和平均精度值分别提高1.8%、2.3%和2.6%,验证了所提出算法能有效的提高密集场景下行人目标检测的准确率。

• 单位
  天津理工大学; 自动化学院