基于YOLO_v3的车辆和行人检测方法

洪松 高定国 三排才让

摘要：在新时代背景下，智慧交通的概念已经出现在人们的生活中。检测车辆和行人已经成为目标检测领域比较热门的应用研究方向。该文将YOLO_v3目标检测算法应用于车辆和行人的检测。针对行人和车辆检测问题，将分类器的输出张量维度设置为21维。实验结果表明，训练出的模型在测试集上的平均检测精度约为89%。其中，车輛的检测精度约为95.64%.行人的检测精度约为82.55%。

关键词：智慧交通;目标检测;车辆;行人

中图分类号：TP391 文献标识码：A

文章编号：1009-3044（2020）08-0192-02

开放科学（资源服务）标识码（OSID）：

1 概述

随着城市的发展，城市交通流和人流密度成为城市道路交通拥挤的重要原因。针对这一问题，智慧交通的概念出现在人们的认知中，也因此提出了新时代智慧交通的发展应强化前沿科技应用与研发的观点[1]。在此背景下，车辆和行人检测成为当下的研究热门。近年来计算机视觉领域发展迅猛，基于深度学习的目标检测技术层出不穷。当前的目标检测技术主要分为两大类，一是以Fast R-CNN和Faster R-CNN为代表的基于区域生成的两阶段检测算法;二是以YOLO和SSD为代表的基于回归的单阶段检测算法[2]。两阶段的检测算法通常具有较高的检测精度，但检测速度较慢，而单阶段检测算法在牺牲了一定检测精度的基础上提高了检测速度。

目前YOLO系列检测算法已经在工程中的各个领域中都有广泛的应用。其中，在航空航天领域，钮赛赛[3]等人将YOLO智能网络算法用于红外弱小多目标的检测，将其与传统的模板匹配方法相比，在检测概率和检测精度上YOLO具有明显的优势。……