公开(公告)号：CN117152652A

公开(公告)日：2023-12-01

申请号：CN202310757416.7

申请日：2023-06-26

Applicant: 重庆邮电大学

Inventor： 谭钦红 ,  孟飞 ,  黄俊

IPC: G06V20/40 ,  G06V20/70 ,  G06V20/52 ,  G06V10/26 ,  G06V10/762 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/774

Abstract: 本发明设计了一种基于改进YOLOv7的密集行人检测方法及装置，首先利用监控设备或车载录像设备采集交通场景下的视频数据，然后将视频数据提取关键帧，并在关键帧构成的图像数据中标注出行人位置，将图像与标注共同作为样本数据集。构建改进的YOLOv7卷积神经网络模型，所述模型包括用于提取特征的骨干网络，颈部网络和头部网络；将样本数据集中标注后的图像数据进行尺度变换，并输入到改进的YOLOv7卷积神经网络模型，进行不少于100Epochs的迭代训练，直到模型收敛；最后输入待检测的图像，利用训练好的模型进行密集行人检测。该方法能有效解决解决行人密集情况下出现的行人间遮挡，背景干扰，网络特征提取能力不足导致的检测精度低、误检率和漏检率高的问题。