基于YOLO 算法的行人檢測

付云霞

（成都理工大學(xué)，四川 成都610059）

1 概述

用于行人檢測的算法由最初的傳統(tǒng)目標(biāo)檢測算法慢慢演進到基于深度學(xué)習(xí)的方法，這些算法在檢測方面都有不錯的效果。目前常用的方法有：HOG[1]、SIFT[2]、R-CNN[3]、Fast R-CNN[4]、Faster R-CNN[5]、YOLO 系列等。由Redmon 等[6]提出的YOLO 和YOLOv2 算法，由于檢測速度相對其他算法較快，從而被廣泛的應(yīng)用于行人檢測中。即便如此，行人檢測算法當(dāng)下仍存在誤檢率較高、實時性比較差等問題。下圖為一些在目標(biāo)檢測中常用的算法。

2 YOLO 算法

YOLOv1 在檢測速度方面與其他算法相比有一定的提升，但缺陷也較多，主要體現(xiàn)在目標(biāo)定位的準(zhǔn)確度較低、針對小目標(biāo)其檢測效果相對較差、計算量大。YOLOv2 針對YOLOv1 的缺陷，進行了一些改進，在檢測上有了一定的提升，但仍然不夠。后YOLOv3 在YOLOv2 上做了進一步的改進，實現(xiàn)多尺度檢測、修改了損失函數(shù)和anchor box 的數(shù)目，改進了基礎(chǔ)特征提取網(wǎng)絡(luò)。不僅保證了速度，還提高小目標(biāo)的檢測精度。

下圖為文獻[7]給出的網(wǎng)絡(luò)結(jié)構(gòu)圖。

3 卷積神經(jīng)網(wǎng)絡(luò)

YOLO 主要依靠卷積神經(jīng)網(wǎng)絡(luò)[8]來完成。該網(wǎng)絡(luò)是一個多隱層的人工神經(jīng)網(wǎng)絡(luò)，由大量卷積單元所組成的卷積層是卷積神經(jīng)網(wǎng)絡(luò)中的重要組成部件，大部分計算量由它承擔(dān)，也是包含參數(shù)最多的地方。以下將對卷積層進行簡介。

卷積層的目標(biāo)特征借助卷積運算來提取，提取目標(biāo)特征可理解為f 和g 生成第三個函數(shù)的數(shù)學(xué)算子，代表f 與g 的重疊面積,g 會經(jīng)過翻轉(zhuǎn)、平移，演算過程如下：

積分形式:

記圖像為 f（ x ,y） ， 二維卷積函數(shù)為 g（ x, y），輸出圖像（z x, y）可表示為：

該運算以卷積核作為計算參數(shù)實現(xiàn)圖像的特征提取。卷積運算的表達式在二維圖像輸入時，如下：

積分形式：

給定尺寸是m*n 的卷積核，那么：

4 YOLO 的改進

4.1 網(wǎng)絡(luò)結(jié)構(gòu)

借鑒YOLOv3 對YOLO 網(wǎng)絡(luò)進行改進，將特征提取的網(wǎng)絡(luò)改為62 層的ResNet[9]。使得YOLO 網(wǎng)絡(luò)更深。同時為提高檢測效果將特征金字塔結(jié)構(gòu)進行了引入。池化層被步長為2 的卷積層所代替。輸入圖片由416x416 尺寸經(jīng)過一系列操作最后輸出尺寸為13x13。

4.2 空洞卷積的引入

假設(shè)輸入層為5x5，卷積核為3x3，輸出神經(jīng)元的過程如下：

W 表示權(quán)重，I 表示輸入，在激活函數(shù) σ中輸入上式所得值可獲得輸出值：

若圖片三個通道輸入如下：

卷積計算：

此時，

重復(fù)上面的計算過程，可得特征圖。

4.3 損失函數(shù)

用交叉熵損失函數(shù)代替激活函數(shù)，邊界框的尺寸誤差在采用均方差函數(shù)的情況下表達式為：

進行歸一化后的誤差表達式：

中心坐標(biāo)誤差：

置信誤差：

概率誤差：

5 結(jié)論

通過對YOLO 算法的初步了解，以及改進發(fā)現(xiàn)其在行人識別的應(yīng)用上有極大的改進空間。后續(xù)將對YOLO 算法做更加深入的理論分析，進一步的改進，在行人檢測應(yīng)用上進行實際測試。