基于改進(jìn)YOLOv5的擁擠行人檢測算法

王宏,韓晨,袁伯陽,田增瑞,盛英杰

(1.鄭州輕工業(yè)大學(xué)建筑環(huán)境工程學(xué)院,鄭州 450002; 2.河南省智慧建筑與人居環(huán)境工程技術(shù)研究中心,鄭州 450002)

行人檢測作為計(jì)算機(jī)視覺領(lǐng)域的熱門研究方向,對(duì)于行人重識(shí)別、行人多目標(biāo)跟蹤、視頻監(jiān)控、智慧交通等領(lǐng)域具有重要意義。由于實(shí)際場景復(fù)雜、目標(biāo)密度較大、重疊率過高,以及目標(biāo)距離攝像設(shè)備較遠(yuǎn)等情況,導(dǎo)致當(dāng)前行人檢測算法存在精度低、漏檢和誤檢率高等問題,因此提出一種可用于密集場景下的行人目標(biāo)檢測算法具有相當(dāng)?shù)目尚行訹1]。

基于深度學(xué)習(xí)的目標(biāo)檢測算法可分為基于區(qū)域推薦的Two Stage算法和基于回歸的One Stage算法。Two Stage算法首先根據(jù)圖像生成可能包含檢測目標(biāo)的候選框,然后對(duì)生成的候選框進(jìn)行類別識(shí)別和位置校準(zhǔn),代表性的算法主要有R-CNN(region-convolutional neural network)[2]、Fast R-CNN[3]、Faster R-CNN[4]、Mask R-CNN[5]等,其特點(diǎn)是檢測精度較高,但推理和檢測時(shí)間較長。One Stage算法不需要生成候選框,僅需要一次特征提取,就可以直接生成被檢測目標(biāo)的類別概率和位置信息,代表性的算法主要有YOLO(you only look once)[6-10]、SSD(single shot multibox detector)[11]、EfficientDet[12]等,其特點(diǎn)是推理和檢測速度顯著提高,但檢測精度較低。

近年來,許多學(xué)者針對(duì)基于深度學(xué)習(xí)的行人檢測算法展開了相關(guān)工作。張秀再等[13]將YOLOv5模型與注意力機(jī)制、殘差網(wǎng)絡(luò)和軟閾值化函數(shù)相融合,有效提高了對(duì)小行人目標(biāo)和密集行人目標(biāo)的檢測精度,但網(wǎng)絡(luò)結(jié)構(gòu)過于復(fù)雜,導(dǎo)致檢測速度較慢。鄒斌等[14]提出了改進(jìn) Faster-RCNN的密集人群檢測算法,在特征提取階段添加空間與通道注意力機(jī)制并使用S-BiFPN(strong bidirectional feature pyramid network)替代原網(wǎng)絡(luò)中的多尺度特征金字塔,使網(wǎng)絡(luò)可以加強(qiáng)對(duì)圖像深層特征的提取,但該算法無法滿足目標(biāo)檢測的實(shí)時(shí)性。Zhang等[15]提出一種基于改進(jìn)YOLOv3的輕量級(jí)行人檢測算法,通過引入正則化減少了不重要的通道數(shù),充分降低了模型的計(jì)算量和復(fù)雜度,但該算法在擁擠場景下的行人檢測精度還有待提高。齊鵬宇等[16]提出一種全卷積One Stage目標(biāo)檢測框架,通過增加尺度回歸提升了行人檢測的性能,但該模型受行人深度特征影響較大,對(duì)遮擋目標(biāo)的檢測精度欠佳。劉振興等[17]提出了一種融合上下文及空間信息的擁擠行人檢測算法,通過改進(jìn)特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)和添加帶權(quán)融合分支,有效提升了行人檢測算法在擁擠場景中的檢測效果,但在實(shí)驗(yàn)論證過程中發(fā)現(xiàn)該模型存在性能不穩(wěn)定、檢測不夠精準(zhǔn)和檢測速度較慢的情況。

現(xiàn)有的深度學(xué)習(xí)算法在不同程度上提升了密集人群檢測的性能,但部分改進(jìn)后的算法網(wǎng)絡(luò)結(jié)構(gòu)較復(fù)雜,以及對(duì)遮擋程度較高的目標(biāo)和極小尺寸目標(biāo)的檢測性能有所欠佳,導(dǎo)致改進(jìn)后算法存在檢測速度較慢、漏檢和誤檢率高等問題。因此現(xiàn)提出改進(jìn)YOLOv5的擁擠行人檢測算法,通過公開數(shù)據(jù)集Crowd Human[18]對(duì)該算法進(jìn)行訓(xùn)練,以期在密集場景中的擁擠行人檢測能夠達(dá)成更好的效果。主要工作如下。

(1)在主干網(wǎng)絡(luò)中嵌入坐標(biāo)注意力機(jī)制CA(coordinate attention)[19],用以增大主干網(wǎng)絡(luò)的感受野和提高YOLOv5捕獲位置信息的能力。

(2)在原網(wǎng)絡(luò)三尺度檢測的基礎(chǔ)上再增加一層淺層檢測層,同時(shí)改進(jìn)特征融合部分,提高了對(duì)于小尺寸目標(biāo)的檢測性能。

(3)使用深度可分離卷積[20](DSConv)替換部分普通卷積(Conv),在對(duì)特征提取影響較小的前提下大幅降低了模型的參數(shù)量和計(jì)算量。

(4)使用有效交并比損失函數(shù)(efficient intersection over union loss,EIOU_loss)[21],融合邊界框?qū)捀弑鹊某叨刃畔?有效提升了YOLOv5模型的檢測精度。

1 YOLOv5算法原理

YOLOv5是YOLO系列算法中強(qiáng)大的一代,具有較強(qiáng)的實(shí)時(shí)處理能力和較低的硬件計(jì)算要求。YOLOv5包括4種不同的網(wǎng)絡(luò)結(jié)構(gòu),考慮檢測速度和精度兩方面因素,以網(wǎng)絡(luò)深度和寬度最小的YOLOv5s(簡稱“YOLOv5”)為基礎(chǔ)網(wǎng)絡(luò)進(jìn)行優(yōu)化。如圖1所示,YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)由輸入端(Input)、主干網(wǎng)絡(luò)(Backbone)、特征提取網(wǎng)絡(luò)(Neck)、預(yù)測端(Prediction)四部分組成。

圖1 YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)

輸入端包括Mosaic數(shù)據(jù)增強(qiáng)、圖像尺寸處理和自適應(yīng)錨框計(jì)算[22]。主干網(wǎng)絡(luò)為CSP-Darknet53,主要包括Focus、CSP(cross stage partial)和SPP(spatial pyramid pooling)三部分。其中Focus模塊能夠?qū)崿F(xiàn)快速下采樣操作;CSP結(jié)構(gòu)將輸入分為分別執(zhí)行卷積運(yùn)算的兩個(gè)分支,其中一個(gè)分支中信息通過CBL模塊(CBL=卷積+正則化+激活函數(shù))后進(jìn)入多個(gè)殘差結(jié)構(gòu),另一分支則直接進(jìn)行卷積信息,之后將兩個(gè)分支合并起來[23],使網(wǎng)絡(luò)在提高模型學(xué)習(xí)能力的同時(shí)保證準(zhǔn)確率;SPP模塊由Conv、max-pooling和concat三部分組成,其作用主要是在不影響推理速度的前提下增加特征提取的感受野,同時(shí)增強(qiáng)網(wǎng)絡(luò)的非線性表示。Neck的核心為FPN(feature pyramid network)和PAN(path aggregation network)。FPN 通過自上而下的上采樣實(shí)現(xiàn)了語義特征從深層特征圖到淺層特征圖的傳遞,PAN 通過自下而上的路徑結(jié)構(gòu)實(shí)現(xiàn)了定位信息從淺層特征層到深層特征層的傳遞,二者的組合大大增強(qiáng)了網(wǎng)絡(luò)的特征融合能力。預(yù)測端利用GIOU_loss損失函數(shù)和非極大值抑制(non-maximum suppression,NMS)獲得最優(yōu)的目標(biāo)框,提高了網(wǎng)絡(luò)識(shí)別的準(zhǔn)確性。

2 YOLOv5算法改進(jìn)

以YOLOv5原算法為基礎(chǔ),分別對(duì)其主干網(wǎng)絡(luò)、檢測尺度、特征提取網(wǎng)絡(luò)和損失函數(shù)進(jìn)行了一系列改進(jìn)。改進(jìn)后的YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

圖2 改進(jìn)后YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)示意圖

2.1 主干網(wǎng)絡(luò)改進(jìn)

在目標(biāo)檢測中加入注意力機(jī)制可以使模型聚焦于圖像中的關(guān)鍵特征,抑制無關(guān)特征。為解決密集場景中背景信息雜亂導(dǎo)致行人目標(biāo)的特征不明顯,以及目標(biāo)相互遮擋、重疊的問題,在主干網(wǎng)絡(luò)中嵌入一種坐標(biāo)注意力機(jī)制,使模型更準(zhǔn)確地定位和識(shí)別感興趣的目標(biāo)。通常注意力機(jī)制會(huì)在一定程度上提高模型的精度,但同時(shí)也會(huì)使模型增加額外的計(jì)算量,影響其檢測速率。但簡單輕量的CA模塊幾乎沒有額外的計(jì)算開銷,能夠在不影響模型檢測速率的情況下提升模型的性能。

如圖3所示,CA分為坐標(biāo)信息嵌入和坐標(biāo)信息特征圖生成。

圖3 CA結(jié)構(gòu)示意圖

第一步,CA對(duì)輸入特征圖X使用尺寸為(H,1)和(1,W)的池化核進(jìn)行通道編碼,得到高度為h的第c個(gè)通道與寬度為w的第c個(gè)通道的輸出,產(chǎn)生兩個(gè)獨(dú)立方向感知特征圖zh與zw,大小分別為C×1×H和C×1×W,公式為

(1)

(2)

第二步,通過Concat融合上述操作生成的zh和zw,并使用卷積核大小為1的卷積變換函數(shù)F1對(duì)其進(jìn)行變換操作,生成在水平和垂直方向進(jìn)行空間信息編碼的中間特征圖f,公式為

f=δ[F1([zh,zw])]

(3)

式(3)中:δ為非線性激活函數(shù)。沿著空間維度將f分解為兩個(gè)獨(dú)立的張量fh∈RC/r×H和fw∈RC/r×W,其中r表示下采樣比例。然后利用兩個(gè)卷積核大小為1的卷積變換函數(shù)Fh和Fw將特征圖fh和fw變換為與輸入X具有相同通道數(shù)的張量[24]。公式為

gh=σ[Fh(fh)]

(4)

gw=σ[Fw(fw)]

(5)

式中:σ為sigmoid激活函數(shù)。最后將輸出gh和gw進(jìn)行拓展,分別作為注意力權(quán)重分配值,最終輸出公式為

(6)

2.2 檢測尺度改進(jìn)

對(duì)于輸入尺寸為640×640的圖像,YOLOv5分別利用8倍、16倍、32倍下采樣輸出檢測尺度為20×20、40×40、80×80的特征圖,對(duì)應(yīng)檢測大、中、小3種尺度的目標(biāo)。但在實(shí)際場景中,很多行人目標(biāo)由于距離當(dāng)前攝像頭較遠(yuǎn),導(dǎo)致其在圖像或視頻中所占像素過小,而用來檢測小目標(biāo)的80×80尺度的特征圖無法有效檢測到這些更小尺寸的目標(biāo),極大地影響了檢測結(jié)果。

針對(duì)以上問題,在YOLOv5原有網(wǎng)絡(luò)結(jié)構(gòu)上增加一層尺度為160×160的檢測層,同時(shí)將原來的特征融合部分改為對(duì)應(yīng)的四尺度特征融合。具體操作為:第17層后繼續(xù)增加CBL層和上采樣,使得特征圖進(jìn)一步擴(kuò)大;在第20層時(shí),將擴(kuò)展得到的尺度為160×160的特征圖與Backbone中第2層特征圖進(jìn)行Concat拼接,融合其細(xì)節(jié)信息和語義信息,獲取更大尺度的特征圖用以檢測更小尺寸的目標(biāo);第21層增加尺度為160×160的淺層檢測層,其他3個(gè)檢測層保持不變。改進(jìn)后的四尺度檢測有效利用了淺層特征信息和深層特征的高語義信息,使模型能夠從更深層的網(wǎng)絡(luò)中提取特征信息,提高了模型在密集場景下多尺度學(xué)習(xí)的能力。

2.3 特征提取網(wǎng)絡(luò)改進(jìn)

改進(jìn)YOLOv5的四尺度檢測雖然提高了模型的檢測精度,但同時(shí)也在一定程度上加深了網(wǎng)絡(luò)深度,再加上YOLOv5網(wǎng)絡(luò)中存在大量的卷積操作,導(dǎo)致模型參數(shù)量過多,檢測速度較慢。使用深度可分離卷積替換Neck中的部分普通卷積,旨在確保精度基本不變的情況下降低模型的復(fù)雜度。深度可分離卷積的原理如圖4所示。

圖4 深度可分離卷積原理圖

深度可分離卷積將普通卷積分解為深度卷積和點(diǎn)態(tài)卷積。首先使用尺寸為K×K的卷積核對(duì)通道數(shù)為M的輸入特征圖做逐通道卷積,得到M個(gè)尺寸為Q×Q的特征圖。然后由N個(gè)過濾器對(duì)特征圖進(jìn)行點(diǎn)態(tài)卷積操作,最終得到通道數(shù)為N,尺寸為D×D的輸出特征圖。普通卷積的計(jì)算公式為

K×K×M×N×D×D

(7)

深度可分離卷積的計(jì)算公式為

K×K×M×D×D+M×N×D×D

(8)

深度可分離卷積與普通卷積的計(jì)算量之比為1/N+1/K2,所以將特征提取網(wǎng)絡(luò)中的部分普通卷積替換為深度可分離卷積可以降低模型參數(shù)量,提高模型檢測速度。

2.4 損失函數(shù)改進(jìn)

YOLOv5的損失函數(shù)包括邊界框回歸損失(bounding box loss)、置信度損失(objectness loss)以及分類概率損失(classification loss)三部分[25]。原YOLOv5算法采用GIOU_loss作為Bounding box的損失函數(shù),其缺點(diǎn)是沒有考慮到預(yù)測框在目標(biāo)框內(nèi)部且預(yù)測框尺寸相同的問題。針對(duì)這一情況,CIoU_loss通過考慮邊界框回歸的重疊面積和中心點(diǎn)距離,以及預(yù)測框和目標(biāo)框的長寬比,使YOLOv5模型更精確地定位回歸框。CIoU_loss計(jì)算公式為

(9)

(10)

(11)

式中:ρ2(b,bgt)表示預(yù)測框和真實(shí)框中心點(diǎn)之間的歐氏距離;c表示兩框相交時(shí)構(gòu)成的最小外接矩形的對(duì)角線距離;w和h表示預(yù)測框的寬度和高度;wgt和hgt表示真實(shí)框的寬度和高度;IOU表示預(yù)測框和真實(shí)框的交并比。

CIoU_loss提高了模型的檢測性能,但未考慮到寬高與其置信度的真實(shí)差異。因此,引入性能更優(yōu)的EIoU_loss作為bounding box的損失函數(shù)。EIoU_loss由重疊損失LIOU、中心距離損失Ldis和寬高損失Lasp三部分組成,前兩部分保留了CIOU_loss的優(yōu)勢,寬高損失將優(yōu)化目標(biāo)設(shè)置為預(yù)測框與真實(shí)框的最小寬高差,能夠加快模型的收斂速度和提高模型的精度。EIoU_loss計(jì)算公式為

LEIOU=LIOU+Ldis+Lasp

(12)

式(12)中:cw和ch為預(yù)測框和真實(shí)框的最小外接矩形的寬度和高度。

3 結(jié)果與分析

3.1 實(shí)驗(yàn)平臺(tái)

所有實(shí)驗(yàn)均在操作系統(tǒng) Windows10下進(jìn)行,硬件設(shè)備為 GPU NVIDIA Tesla,深度學(xué)習(xí)框架為Pytorch 1.12.0,開發(fā)環(huán)境為 Python 3.8,CUDA 11.2。實(shí)驗(yàn)參數(shù)配置:初始學(xué)習(xí)率設(shè)置為0.01,使用余弦退火算法動(dòng)態(tài)調(diào)整學(xué)習(xí)率,以實(shí)現(xiàn)有效收斂;學(xué)習(xí)率動(dòng)量設(shè)置為0.937,以防止過擬合。訓(xùn)練批次設(shè)置為16,一共訓(xùn)練200個(gè)epoch。

3.2 實(shí)驗(yàn)數(shù)據(jù)集

采用開源的CrowdHuman數(shù)據(jù)集,主要采集于背景復(fù)雜多變的密集人群場景。該數(shù)據(jù)集包含約24 000張圖片,共有470 000個(gè)標(biāo)注實(shí)例,平均每張圖片的行人數(shù)量達(dá)到了22.6人,存在各種遮擋情況。CrowdHuman數(shù)據(jù)集的目標(biāo)邊界框有3種,分別為頭部框、可見身體框和目標(biāo)全身框。本實(shí)驗(yàn)在訓(xùn)練時(shí)采用可見身體框,隨機(jī)抽取8 000張圖片作為訓(xùn)練集,2 000張圖片作為測試集。

3.3 評(píng)價(jià)指標(biāo)

為了更好地分析模型檢測性能,采用平均精度均值(mean average precision,mAP)[26]、每秒處理圖像幀數(shù)(frame per second,FPS)、參數(shù)量M、計(jì)算量(floating point operations,FLOPs)和模型大小,作為本實(shí)驗(yàn)?zāi)Ｐ偷脑u(píng)價(jià)指標(biāo)。其中mAP的計(jì)算公式為

(13)

(14)

(15)

(16)

式中:P為精確率;R為召回率;TP為正確檢測的行人數(shù)量;FP為誤檢的行人數(shù)量;FN為未被檢測出的行人數(shù)量。

3.4 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證模型改進(jìn)后的效果,分別將改進(jìn)前后模型的平均精度均值迭代曲線以及損失迭代曲線進(jìn)行對(duì)比,結(jié)果如圖5所示。

圖5 結(jié)果對(duì)比

從圖5(a)中可以看出改進(jìn)后模型的曲線增長速度較快,mAP最終穩(wěn)定在0.907,相較于原模型提高了7.4個(gè)百分點(diǎn),且改進(jìn)后模型的迭代曲線更加平穩(wěn),波動(dòng)較原算法更小,從一定程度上反映了改進(jìn)后的YOLOv5算法擁有更穩(wěn)定的性能和更高的檢測精度。從圖5(b)中可以看出改進(jìn)后模型的收斂速度更快和平滑性更好,損失值隨著迭代次數(shù)的增加在50個(gè)epoch后逐漸趨于平穩(wěn),且最終穩(wěn)定在0.020 04,相比原模型下降了0.014 6,表明改進(jìn)后模型的訓(xùn)練效果更加理想。

為分析改進(jìn)后YOLOv5的復(fù)雜度,將改進(jìn)前后模型的參數(shù)量、計(jì)算量和模型大小進(jìn)行對(duì)比,結(jié)果如表1所示。其中參數(shù)量可看作模型的空間復(fù)雜度,模型的參數(shù)越多則訓(xùn)練模型所需的數(shù)據(jù)量就越大;計(jì)算量可看作模型的時(shí)間復(fù)雜度,計(jì)算量越大則模型的訓(xùn)練和預(yù)測時(shí)間越長。由表1可知,相較于原YOLOv5模型,改進(jìn)后模型的參數(shù)量減少了11.6%,計(jì)算量減少了10.7%,模型大小減少了11.1%。結(jié)果表明改進(jìn)后YOLOv5能夠在降低模型復(fù)雜度的同時(shí)大幅提高檢測精度。

表1 模型復(fù)雜度對(duì)比

3.4.1 消融實(shí)驗(yàn)

本文改進(jìn)后的模型在原YOLOv5的基礎(chǔ)上添加了CA模塊,將三尺度檢測改為四尺度檢測,使用深度可分離卷積和有效交并比損失函數(shù)。為了進(jìn)一步分析每個(gè)改進(jìn)點(diǎn)對(duì)原模型的優(yōu)化作用,以YOLOv5原算法為基礎(chǔ)模型設(shè)計(jì)消融實(shí)驗(yàn),結(jié)果如表2所示。

表2 消融實(shí)驗(yàn)

由表2可知,模型YOLOv5-CA 加入CA模塊較原模型mAP增加了4.2個(gè)百分點(diǎn),主要是因?yàn)樵惴▽?duì)特征的提取不夠準(zhǔn)確,將多個(gè)密集行人目標(biāo)誤檢為一個(gè)目標(biāo),從而造成漏檢,而添加CA后的模型精度得到大幅提升,并且對(duì)模型的參數(shù)量和FPS幾乎沒有影響。模型YOLOv5-FS 將三尺度檢測擴(kuò)展為四尺度檢測,可以檢測出原算法漏檢的較小尺寸目標(biāo),將mAP提高了3.5個(gè)百分點(diǎn),但新增的檢測尺度加深了網(wǎng)絡(luò)結(jié)構(gòu),導(dǎo)致模型參數(shù)量增加5.6×105,檢測速率降低。模型YOLOv5-DS將部分普通卷積替換為深度可分離卷積,使參數(shù)量較原模型減少1.59×106,模型檢測速度顯著提高,mAP值雖略有下降,但對(duì)模型的精度幾乎沒有任何影響。模型YOLOv5-EI 使用EIoU_loss作為邊框回歸的損失函數(shù),考慮到了預(yù)測框和目標(biāo)框的重疊面積、中心點(diǎn)距離和長寬比,有效提高了模型邊界框的定位精度,將mAP提高了2.4個(gè)百分點(diǎn)。對(duì)YOLOv5原算法同時(shí)使用以上4種改進(jìn)方法,檢測精度和檢測速度均有明顯的提升,且模型參數(shù)量較原模型減少8.8×105。實(shí)驗(yàn)結(jié)果表明CA模塊、四尺度檢測、深度可分離卷積和EIoU_loss的共同改進(jìn)可以大幅提高擁擠行人檢測模型的性能。

3.4.2 不同目標(biāo)檢測模型性能對(duì)比

為進(jìn)一步分析改進(jìn)YOLOv5算法的性能,將其與目前幾種主流目標(biāo)檢測算法進(jìn)行對(duì)比,結(jié)果如表3所示。

表3 不同算法性能對(duì)比

由表3可知,基于同一數(shù)據(jù)集,本文改進(jìn)后模型與同系列YOLOv3和YOLOv4模型相比,參數(shù)量分別減少了54.97×106和58.37×106,mAP分別提升了13.3個(gè)百分點(diǎn)和9個(gè)百分點(diǎn),檢測速率分別快了1.58倍和1.34倍,表明改進(jìn)后的YOLOv5模型在精度和速度方面有較大的優(yōu)勢;YOLOv3-Tiny模型的檢測速率最高,但其mAP較改進(jìn)后的YOLOv5模型減少了19.1個(gè)百分點(diǎn),這是因?yàn)閅OLOv3-Tiny算法在YOLOv3算法基礎(chǔ)上去除了一些特征層,對(duì)小目標(biāo)的檢測精度影響較大;與同為One Stage算法的SSD 相比,本文模型的參數(shù)量降低了39.57×106,mAP提高了14.4個(gè)百分點(diǎn);Two Stage算法Faster-RCNN較YOLOv5原算法mAP提升了1.8個(gè)百分點(diǎn),但其模型參數(shù)量過大,對(duì)硬件設(shè)備要求較高,以及檢測速率較慢,無法滿足目標(biāo)檢測所需的實(shí)時(shí)性;與近幾年的CenterNet、FCOS(fully convolutional one-stage object detection)和DETR(detection transformer)模型相比,本文模型的參數(shù)量分別減少了46.17×106、67.47×106和34.27×106,mAP分別提升了4.5個(gè)百分點(diǎn)、6.8個(gè)百分點(diǎn)和4.2個(gè)百分點(diǎn),檢測速率分別快了1.57倍、2.45倍和1.29倍,表明改進(jìn)后YOLOv5模型能夠以更低的空間復(fù)雜度達(dá)到更好的檢測效果。由以上結(jié)果得出,本文改進(jìn)后算法在顯著減少模型參數(shù)量的同時(shí)具有較高的檢測精度和速度,實(shí)現(xiàn)了更好的檢測性能。

3.4.3 改進(jìn)前后檢測效果對(duì)比

為進(jìn)一步驗(yàn)證改進(jìn)YOLOv5算法的檢測性能,本文使用CrowdHuman數(shù)據(jù)集中未經(jīng)訓(xùn)練和測試的圖片,對(duì)原YOLOv5算法與改進(jìn)后YOLOv5算法在密集人群場景中的檢測效果進(jìn)行對(duì)比,結(jié)果如圖6所示。由圖6(a)和圖6(d)可以看出,兩種算法對(duì)遮擋程度較低的大尺寸行人目標(biāo)均有較好的檢測效果,但原算法對(duì)嚴(yán)重遮擋的小尺寸目標(biāo)的檢測效果不佳,改進(jìn)后的算法能夠更準(zhǔn)確地識(shí)別此類目標(biāo);由圖6(b)和圖6(e)可以看出,兩種算法均能較準(zhǔn)確地檢測出被遮擋目標(biāo),但原算法將人群旁邊的壁畫誤檢成行人目標(biāo),以及個(gè)別遮擋程度較低的小目標(biāo)存在漏檢情況,改進(jìn)后的算法有效改善了此類問題;由圖6(c)和圖6(f)可以看出,原算法將廣告牌上的人物和圖片中的水印誤檢成行人目標(biāo),以及未能檢測出被嚴(yán)重遮擋的小行人目標(biāo),改進(jìn)后的算法針對(duì)此類問題的檢測效果更佳。綜上,原YOLOv5算法在嚴(yán)重遮擋的密集人群場景中的誤檢和漏檢率較高,改進(jìn)后的YOLOv5算法雖不能完全準(zhǔn)確地檢測出所有行人目標(biāo),但對(duì)于遮擋程度較高的小尺寸行人目標(biāo)具有更好的檢測效果。

4 結(jié)論

為解決目前擁擠人群目標(biāo)檢測存在的目標(biāo)相互重疊、遮擋以及目標(biāo)尺寸偏小等問題,本文提出了基于改進(jìn)的YOLOv5擁擠行人檢測算法。

(1)通過添加坐標(biāo)注意力機(jī)制顯著提升了模型檢測精度,且對(duì)模型參數(shù)量幾乎沒有影響。

(2)在原算法的基礎(chǔ)上增加小目標(biāo)檢測尺度,有效提升了模型在密集場景中多尺度學(xué)習(xí)的能力。

(3)將部分普通卷積替換為深度可分離卷積,在確保精度基本不變的前提下減少了模型的參數(shù)量。

(4)通過優(yōu)化邊界框回歸損失函數(shù),使模型在訓(xùn)練時(shí)的收斂速度更快,精度更高。

在公共數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,改進(jìn)后YOLOv5算法的平均精度均值為0.907,檢測速度達(dá)到了56.1f/s,具有較好的檢測精度和實(shí)時(shí)檢測速度,能夠有效應(yīng)用于密集場景下的擁擠行人檢測任務(wù)中。接下來將進(jìn)一步完善算法的具體功能,通過結(jié)合自適應(yīng)卡爾曼濾波實(shí)現(xiàn)多行人目標(biāo)的檢測和跟蹤。