摘要
使用传统的YOLOv2网络训练出来的行人检测模型在背景简单以及行人遮掩不严重的情况下,检测效果良好,但是当背景复杂以及行人遮掩严重的时候,检测效果较差.针对此问题,在YOLOv2网络中添加HOG-CSLBP特征提取层,根据维度聚类方法对INRIA数据集目标聚类分析的结果调整YOLOv2网络的先验框个数与维度值.实验结果表明,在误检率为0.1时该算法的漏检率为9.13％,与传统的YOLOv2网络相比漏检率降低了5.27％,说明此方法有效可行.
基金项目
福建省信息处理与智能控制重点实验室开放基金(MJUKF201740)
NETL
NSTL
维普
万方数据