改进YOLOV3 算法的视频目标检测

宋艳艳，谭 励，马子豪，任雪平

北京工商大学计算机与信息工程学院，北京100048

在日常生活中，监控无处不在，广场、火车站、住宅小区、机要室等重要场所，都分布着大大小小，不计其数的摄像头，可实现犯罪、交通管制意外检测和防范的作用，在社会工作安全领域中发挥着越来越重要的作用。随着大数据、云计算技术在安防领域的应用，深度学习技术具备了应用条件。因此，实现智能分析处理视频的关键在于面向视频的目标检测与识别具有较高的准确率和处理效率。

目标检测是从视频或者图像中提取运动前景或感兴趣的目标，其要解决的问题就是标记出物体的具体位置，同时检测出物体所属的类别。实时且准确的目标检测可以为后续目标跟踪、行为识别等提供良好的条件。目前，主流的目标检测算法主要有：一是基于手工特征所构建的传统目标检测算法，如Viola-Jones检测器[1]，采用了最传统的滑动窗口检测，在图像中的每一个尺度和像素位置进行遍历，逐一判断当前窗口是否为人脸目标；HOG 行人检测器[2]，是基于梯度方向直方图特征的改进，通过固定检测器的窗口大小且构建多尺度图像金字塔来检测不同大小的目标；可变形部件模型[3]，该算法将目标整体检测转化为各部件检测问题，然后将各部件检测结果进行聚合得到目标整体检测结果。二是基于目标候选区域的检测算法，通过提取候选区域，并对相应区域进行深度学习实现分类检测结果。……