科研之友
微信
新浪微博
Facebook
分享链接
摘要
地铁场景行人目标存在大小不一、不同程度遮挡及过暗环境造成的目标模糊等问题，很大程度影响行人目标检测的准确性。针对上述问题，本研究提出一种改进YOLOv5s目标检测算法以增强地铁场景行人目标检测效果。构建地铁场景行人数据集，标注对应标签，进行数据预处理操作。本研究在特征提取模块中加入深度残差收缩网络，将残差网络、注意力机制和软阈值化函数相结合以增强有用特征信道，削弱冗余特征信道。利用改进空洞空间金字塔池化模块，在不丢失图像信息的前提下获得多尺度、多感受野的融合特征，有效捕获图像全局上下文信息。设计一种SDIOU-NMS非极大值抑制算法，对目标预测框后处理，保留检测目标最优预测框。实验结果表明，本研究提出的改进YOLOv5s算法可有效提高地铁场景行人目标检测的精度，尤其对小行人目标和密集行人目标的检测，效果提升显著。
- 出版日期2022-7-16
- 单位南京信息工程大学
