基于YOLO_v3的車輛和行人檢測(cè)方法

洪松 高定國(guó) 三排才讓

摘要：在新時(shí)代背景下，智慧交通的概念已經(jīng)出現(xiàn)在人們的生活中。檢測(cè)車輛和行人已經(jīng)成為目標(biāo)檢測(cè)領(lǐng)域比較熱門的應(yīng)用研究方向。該文將YOLO_v3目標(biāo)檢測(cè)算法應(yīng)用于車輛和行人的檢測(cè)。針對(duì)行人和車輛檢測(cè)問題，將分類器的輸出張量維度設(shè)置為21維。實(shí)驗(yàn)結(jié)果表明，訓(xùn)練出的模型在測(cè)試集上的平均檢測(cè)精度約為89%。其中，車輛的檢測(cè)精度約為95.64%.行人的檢測(cè)精度約為82.55%。

關(guān)鍵詞：智慧交通;目標(biāo)檢測(cè);車輛;行人

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）08-0192-02

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

1 概述

隨著城市的發(fā)展，城市交通流和人流密度成為城市道路交通擁擠的重要原因。針對(duì)這一問題，智慧交通的概念出現(xiàn)在人們的認(rèn)知中，也因此提出了新時(shí)代智慧交通的發(fā)展應(yīng)強(qiáng)化前沿科技應(yīng)用與研發(fā)的觀點(diǎn)[1]。在此背景下，車輛和行人檢測(cè)成為當(dāng)下的研究熱門。近年來計(jì)算機(jī)視覺領(lǐng)域發(fā)展迅猛，基于深度學(xué)習(xí)的目標(biāo)檢測(cè)技術(shù)層出不窮。當(dāng)前的目標(biāo)檢測(cè)技術(shù)主要分為兩大類，一是以Fast R-CNN和Faster R-CNN為代表的基于區(qū)域生成的兩階段檢測(cè)算法;二是以YOLO和SSD為代表的基于回歸的單階段檢測(cè)算法[2]。兩階段的檢測(cè)算法通常具有較高的檢測(cè)精度，但檢測(cè)速度較慢，而單階段檢測(cè)算法在犧牲了一定檢測(cè)精度的基礎(chǔ)上提高了檢測(cè)速度。

目前YOLO系列檢測(cè)算法已經(jīng)在工程中的各個(gè)領(lǐng)域中都有廣泛的應(yīng)用。其中，在航空航天領(lǐng)域，鈕賽賽[3]等人將YOLO智能網(wǎng)絡(luò)算法用于紅外弱小多目標(biāo)的檢測(cè)，將其與傳統(tǒng)的模板匹配方法相比，在檢測(cè)概率和檢測(cè)精度上YOLO具有明顯的優(yōu)勢(shì)。在交通領(lǐng)域，周慧娟[4]等人提出了基于改進(jìn)Tiny YOL02的地鐵進(jìn)站客流人臉檢測(cè)方法，測(cè)試結(jié)果表明基于改進(jìn)的TinyYOL02的人臉檢測(cè)算法相比于原始的檢測(cè)算法在召回率和檢測(cè)速度上都有提升且有較好的泛化性。在農(nóng)業(yè)領(lǐng)域，燕紅文[5]等人提出了基于改進(jìn)Tiny-YOLO模型的群養(yǎng)生豬臉部姿態(tài)檢測(cè)算法，實(shí)驗(yàn)表明該模型可以有效地對(duì)群養(yǎng)生豬不同類別臉部姿態(tài)進(jìn)行檢測(cè)。在教育領(lǐng)域，黃偉鎧[6]等人設(shè)計(jì)了一種基于YOLO算法的學(xué)生課堂關(guān)注度分析系統(tǒng)，該系統(tǒng)能有效檢測(cè)課堂中學(xué)生的行為，為分析學(xué)生的課堂關(guān)注度提供了一種有利的手段。由此可見，YOLO系列檢測(cè)算法已經(jīng)應(yīng)用于各行各業(yè).并取得了不錯(cuò)的檢測(cè)效果，具有一定的實(shí)際應(yīng)用價(jià)值。

單階段檢測(cè)算法YOLO_v3因其良好的檢測(cè)精度和速度，已經(jīng)在工程應(yīng)用中成為主流檢測(cè)算法。本文在KITTI數(shù)據(jù)集的基礎(chǔ)上，利用YOLO_v3算法對(duì)該數(shù)據(jù)集進(jìn)行特征訓(xùn)練學(xué)習(xí)，進(jìn)一步對(duì)網(wǎng)絡(luò)模型的參數(shù)進(jìn)行調(diào)整，最終得到本文的車輛和行人檢測(cè)模型。

2 YOLO v3算法理論

2.1 特征提取網(wǎng)絡(luò)Darknet-53

YOLO_v3其主干特征提取網(wǎng)絡(luò)由連續(xù)的3x3和IXI卷積層組合而成，因?yàn)橐还灿?3個(gè)卷積層，又被稱為Darknet_53[7]。YOLO_v3的特征提取網(wǎng)絡(luò)Darknet-53如圖1所示，在整個(gè)特征提取網(wǎng)絡(luò)的結(jié)構(gòu)里沒有池化層和全連接層，張量的尺寸變換是通過改變卷積核的步長(zhǎng)來實(shí)現(xiàn)的，在此結(jié)構(gòu)中不考慮全局平均池化，張量維度的變化一共有5次。

2.2 基于車輛和行人檢測(cè)的YOLO_v3算法分析

YOLO_v3網(wǎng)絡(luò)將輸入的行人和車輛圖片進(jìn)行預(yù)處理，然后將其送入CNN網(wǎng)絡(luò)，CNN網(wǎng)絡(luò)將輸入的圖片分割成SXS的網(wǎng)格，每個(gè)單元格被用于檢測(cè)那些中心點(diǎn)落在該單元格內(nèi)的目標(biāo)。每個(gè)單元格會(huì)預(yù)測(cè)檢測(cè)物體邊界框的4個(gè)偏移坐標(biāo)和置信度得分。最后YOLO_v3會(huì)在三個(gè)等級(jí)上進(jìn)行預(yù)測(cè)，每個(gè)等級(jí)負(fù)責(zé)不同規(guī)模大小的物體的預(yù)測(cè)，每種規(guī)模預(yù)測(cè)三個(gè)邊界框。在本實(shí)驗(yàn)數(shù)據(jù)集中類別為行人和車輛，共兩類。所以得到的張量是SxSx[3x（4+1+2）]，其中包含4個(gè)邊界框的坐標(biāo)、1個(gè)目標(biāo)預(yù)測(cè)以及兩種分類預(yù)測(cè)。

3 基于YOLO_v3的車輛和行人檢測(cè)實(shí)驗(yàn)

3.1 實(shí)驗(yàn)數(shù)據(jù)

本文是在KITTI數(shù)據(jù)集的基礎(chǔ)上訓(xùn)練行人和車輛檢測(cè)模型，官方提供的數(shù)據(jù)集中只有訓(xùn)練集圖片給出了標(biāo)簽，一共有7481張圖片。將這7481張圖片按照9：1的比例劃分為訓(xùn)練集和測(cè)試集。該數(shù)據(jù)集中共有八個(gè)類別，分別是Car、Van、Truck、Tram、Pedestrian等，將這八個(gè)類合并為Car、Pedestrian這兩個(gè)大類。最后通過格式轉(zhuǎn)換腳本程序?qū)ITTI數(shù)據(jù)集格式轉(zhuǎn)化為YOLO網(wǎng)絡(luò)所需要的標(biāo)簽格式。

3.2 實(shí)驗(yàn)平臺(tái)

本實(shí)驗(yàn)平臺(tái)的配置為：顯卡為2080Ti，顯存IIG，CPU為In-ter Core i7 9700，內(nèi)存64G，操作系統(tǒng)為ubuntu18.04，CUDA版本為10.1，CUDNN版本為7.6.3。

3.3 實(shí)驗(yàn)參數(shù)設(shè)定

本實(shí)驗(yàn)初始學(xué)習(xí)率設(shè)置為0.001，權(quán)重衰減設(shè)置為0.0005，最大迭代次數(shù)設(shè)置為50000次，動(dòng)量參數(shù)設(shè)置為0.9。在模型訓(xùn)練過程中，按照設(shè)定的訓(xùn)練節(jié)點(diǎn)調(diào)整學(xué)習(xí)率的大小，減少模型訓(xùn)練過程中的損失，該訓(xùn)練節(jié)點(diǎn)分別為最大迭代次數(shù)的80%和90%[8]。本實(shí)驗(yàn)數(shù)據(jù)集中的大部分車輛和行人在圖片中所占比例較小，較難分辨，為了提高檢測(cè)精度，將送入網(wǎng)絡(luò)的圖片分辨率設(shè)置為608x608。同時(shí)為了提高模型的魯棒性，在訓(xùn)練過程中隨機(jī)使用不同尺寸的圖片進(jìn)行訓(xùn)練。

4 實(shí)驗(yàn)分析

4.1 實(shí)驗(yàn)過程及分析

實(shí)驗(yàn)過程中的loss和mAp值的變化趨勢(shì)如圖2所示，在前5000次迭代中l(wèi)oss急劇下降，mAp值逐步上升。隨著迭代次數(shù)的增加loss和mAp的變化趨于平緩，mAp的值在89%至91%范圍內(nèi)波動(dòng)。在40000次迭代訓(xùn)練后loss值趨于穩(wěn)定不再下降，當(dāng)?shù)?xùn)練結(jié)束時(shí)，loss的值約為0.22左右。

4.2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)

本實(shí)驗(yàn)采用目標(biāo)檢測(cè)領(lǐng)域公認(rèn)的平均檢測(cè)精度mAP以及Precision、Recall、Fl值來衡量模型的性能。Precision、Recall、F1值、AP及mAP定義如式（1）一（5）所示。

其中TP表示正確檢測(cè)到是行人或車輛;FP表示誤檢測(cè)為是行人或車輛;FN表示漏檢測(cè)行人或車輛;P，R分別表示精確率與召回率;C表示數(shù)據(jù)集中的類別總數(shù)，本實(shí)驗(yàn)取2，C.表示當(dāng)前第i個(gè)類別，i的取值為0和1。

4.3 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)結(jié)果表明，訓(xùn)練出的模型在748張圖片的測(cè)試集上的平均檢測(cè)精度約為89%。其中，車輛的檢測(cè)精度約為95.64%，行人的檢測(cè)精度約為82.55%。詳細(xì)的實(shí)驗(yàn)結(jié)果如表1到3所示，在測(cè)試集上的部分檢測(cè)效果如圖3和4所示。

5 結(jié)束語

本文闡述了基于YOLO_v3的車輛和行人檢測(cè)方法，包括修改分類器維度、模型訓(xùn)練及網(wǎng)絡(luò)參數(shù)調(diào)整。實(shí)驗(yàn)結(jié)果表明基于YOLO_v3的車輛和行人檢測(cè)方法取得了不錯(cuò)的檢測(cè)效果，具有一定的實(shí)用價(jià)值。但是基于YOLO_v3的車輛和行人檢測(cè)方法對(duì)于弱小車輛和行人目標(biāo)檢測(cè)效果不好，下一步可針對(duì)特定場(chǎng)景下的弱小車輛和行人目標(biāo)進(jìn)行網(wǎng)絡(luò)改進(jìn)以進(jìn)一步提升網(wǎng)絡(luò)檢測(cè)精度。

參考文獻(xiàn)：

[1]伍朝輝，武曉博，王亮.交通強(qiáng)國(guó)背景下智慧交通發(fā)展趨勢(shì)展望[Jl.交通運(yùn)輸研究，2019，47（4）：26-36.

[2]周曉彥，王珂，李凌燕.基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法綜述[J].電子測(cè)量技術(shù)，2017，40（11）：89-93.

[3]鈕賽賽，周華偉，朱婧文，等.基于YOLO智能網(wǎng)絡(luò)的紅外弱小 多目標(biāo)檢測(cè)技術(shù)[Jl.上海航天，2019，36（5）：28-34.

[4]周慧娟，張強(qiáng)，劉羽，等.基于YOLO：的地鐵進(jìn)站客流人臉檢測(cè)方法[J].計(jì)算機(jī)與現(xiàn)代化，2019（10）：76-82.

[5]燕紅文，劉振宇，崔清亮，等，基于改進(jìn)Tiny-YOLO模型的群養(yǎng)生豬臉部姿態(tài)檢測(cè)[Jl.農(nóng)業(yè)工程學(xué)報(bào)，2019，35（18）：169-179.

[6]黃偉鎧，張登輝.基于YOLO算法的學(xué)生課堂關(guān)注度分析系統(tǒng)[J].浙江樹人大學(xué)學(xué)報(bào)：自然科學(xué)版，2019，19（3）：1-4，17.

[7]

Redmonj， Farhadi A.YOL09000： better， faster， stronger[C]//2017lEEE Conference on Computer Vision and Pattem Recognition（CVPR），July 21-26， 2017. Honolulu， Hl. lEEE， 2017.

[8]游忍，周春燕，劉明華，等.基于TINY-YOLO的嵌入式人臉檢測(cè)系統(tǒng)設(shè)計(jì)[Jl.工業(yè)控制計(jì)算機(jī)，2019，32（3）：47-48.

【通聯(lián)編輯：梁書】

收稿日期：2019-12-21

作者簡(jiǎn)介：洪松（1994-），男，碩士生，主要研究圖像處理;高定國(guó)（1972-），藏族，碩士，教授，主要研究藏文信息處理、算法設(shè)計(jì);三排才讓（1994-），男，藏族，碩士生，主要研究藏文信息處理。