基于改进YOLOv3的街道行人检测与跟踪方法

武明虎，黄咏曦，王 娟

(1.湖北工业大学湖北省能源互联网工程技术研究中心，武汉 430068；2.湖北工业大学电气与电子工程学院，武汉 430068；3.湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室，武汉 430068)

室外的行人检测和跟踪在无人驾驶、社会公共安全管理、交通管理等方面应用广泛，而街道的行人检测和跟踪正是其中的基础研究项目[1-2]。传统的街道行人流动调研采用人工的方式进行，需要消耗大量的人工成本和时间成本，极大地影响了公共交通和安全管理的效率。如今，视频监控已经遍布各个街道，且计算机视觉技术迅速发展，目前已实现对视频监控中的行人进行精确的检测，而深度神经网络的发展使得行人的跟踪效果更加完善[3]，为街道行人的检测和跟踪奠定了深厚的基础[4-5]。

对于目标检测的方法，从2013年Ross Girshick提出R-CNN[6]开始，人们在短短几年内相继提出Fast R-CNN[7]、Faster R-CNN[8]、Mask R-CNN[9]、SSD[10]、YOLO[11-13]等算法，其中两步检测的目标检测方法(R-CNN系列算法)需要先产生大量候选框之后再用卷积神经网络对候选框进行分类和回归处理；单步检测的方法(SSD、YOLO系列算法)则直接在卷积神经网络中使用回归的方法一步就预测出目标的位置以及目标的类别[14-15]。虽然两步检测的目标检测方法在大多数的场景下精确率更高，但是它需要分两个步骤进行，因此，这种方法将耗费大量的时间成本和昂贵的硬件成本，不适合对视频文件进行实时的检测。而YOLO系列的网络速度更快，可以适应实时视频的检测，泛化能力更强[16-17]。……