基于YOLOv4与光流法的行人检测和计数方法研究

◆詹文杰 邱梓逸 蔡振雄

基于YOLOv4与光流法的行人检测和计数方法研究

◆詹文杰 邱梓逸 蔡振雄

（广州大学华软软件学院（广州） 广东 51000）

针对行人进行检测与统计的问题进行分析和研究，提出一种基于深度学习的方法。首先分析YOLOv4算法的优越性，并使用监控下获取的行人图像和YOLOv4算法，训练出深度学习模型。再在监控下进行实时行人检测和统计，针对部分实验结果精度较小的问题，采用光流法进行改进。改进后的检测速度以及检测精度基本满足行人检测和计数的需求。

YOLOv4；行人检测；OPENCV；光流法

公共区域经常出现因为人流量过大，造成公共卫生和公共安全的困扰。实时行人检测和计数可以使管理部门在管理人群时，做出更加合理和高效的决策。且高清监控摄像头在公共区域的普及，让更高质量的行人检测和计数有了保障。

目前通用的行人计数所采用的算法大致分为3类：基于高斯过程回归的行人计数方法[1]、基于“帧差法”的行人计数方法[2]和基于目标检测的行人计数法[3]。这三种方法中，高斯混合模型的计算量较大且收效缓慢，不适合人数较多的情况；“帧差法”对环境要求较为苛刻，无法满足在公共区域进行行人检测的要求，选择过低的阈值不能处理好背景，过高则会出现无法正常识别行人。

除开上述三种算法，近年学者还提出了其他算法。其中由Joseph Redmon等人提出的YOLO系列算法，因为优异的检测精度和检测速度，迅速被广泛应用。

本文在使用YOLOv4的基础上，利用LK光流法，训练出一种基本满足行人检测和计数要求的深度学习模型。……