基于改进YOLOv4的行人鞋部检测算法

作者：杨智雄; 唐云祁; 张家钧; 耿鹏志

来源：激光与光电子学进展, 2021, 1-17.

• 鞋部检测
• YOLOv4
• 特征融合
• 空间金字塔池化
• 视频监控

结合现场鞋印和周边监控视频锁定犯罪嫌疑人是公安机关刑事侦查破案的一种重要技战法，然而该技战法自动化程度低，耗时耗力，被限制了应用范围。针对这一问题，本文提出一种基于YOLOv4算法的目标检测方法，实现对监控视频下行人鞋部的自动检测。根据行人鞋部区域的特点，首先使用K-means聚类算法获得先验框尺度，并确定其数量；然后根据本文构建数据集选取合适的检测层以强化对鞋部特征的学习；最后，通过多尺度特征融合，并将调整后的空间金字塔池化结构迁移到剪枝后的网络内，增强模型的学习能力。实验结果表明，本文提出的YOLOv4＿shoe算法训练权重仅为39.56MB，约为原模型参数量的六分之一，其mAP值达到了97.93%，比原YOLOv4模型提升2.07%。

• 单位
  中国人民公安大学