基于改進(jìn)YOLOv3的電梯內(nèi)電動車檢測算法

楊獻(xiàn)瑜

關(guān)鍵詞：目標(biāo)檢測；輕量化網(wǎng)絡(luò)；注意力模塊；YOLOv3；CIOU

0 引言

電梯作為高層建筑中的重要交通工具，常見的安全隱患問題如轎廂困人、電梯沖頂、反復(fù)開關(guān)門、攜帶可燃易爆物品等[1]，通過“智慧電梯”[2]安全管理平臺得到了有效解決，但目前對禁止電動車等可燃易爆物品進(jìn)入電梯仍缺乏有效的方法[3]。2021 年5 月，四川省某小區(qū)的電梯內(nèi)一輛電動車瞬間爆燃，導(dǎo)致多人受傷。2021 年11 月，合肥市一小區(qū)住戶的電動自行車在屋內(nèi)充電時燃燒，導(dǎo)致火情。因此，有必要對電動車進(jìn)入電梯進(jìn)行檢測。

防止電動車進(jìn)入電梯，可在電梯口附近立警示牌，以及對電梯內(nèi)監(jiān)控視頻進(jìn)行監(jiān)測等。這些方法雖然有效，但效率低。如今基于深度學(xué)習(xí)的目標(biāo)檢測算法被廣泛應(yīng)用于計(jì)算機(jī)視覺的各個領(lǐng)域，達(dá)到了非常好的效果。2019 年華志超[4]在YOLOv1 中添加批規(guī)范化算法以及改進(jìn)損失函數(shù)，實(shí)現(xiàn)電梯禁入目標(biāo)檢測。2020 年岑思陽[5]在YOLOv3 中使用GIOU 損失函數(shù)并改進(jìn)邊界框的生成，實(shí)現(xiàn)電梯內(nèi)人臉檢測。2021 年張媛等人[6]提出了基于YOLOv3 的電動車檢測算法，實(shí)現(xiàn)電梯內(nèi)電動車實(shí)時檢測。

雖然以上算法對目標(biāo)具有良好的檢測效果，但模型計(jì)算量和參數(shù)量較大，難以在硬件條件有限的邊緣設(shè)備上應(yīng)用。因此，本文提出基于改進(jìn)YOLOv3 的電梯內(nèi)電動車檢測算法，實(shí)現(xiàn)模型的輕量化。首先將YOLOv3 中負(fù)責(zé)提取特征的主干網(wǎng)絡(luò)Darknet53 替換為MobileNetv2；然后在主干網(wǎng)絡(luò)和特征融合網(wǎng)絡(luò)之間引入CA 注意力機(jī)制，提高模型的檢測能力；最后使用CIOU 作為計(jì)算目標(biāo)邊界框的回歸定位損失，增強(qiáng)精準(zhǔn)定位效果。

1 YOLOv3 檢測模型

YOLOv3 由Joseph Redmon 等人[7]在2016 年提出，是一種單階段目標(biāo)檢測算法。該網(wǎng)絡(luò)采用Darknet53作為主干特征提取網(wǎng)絡(luò)，使用特征金字塔結(jié)構(gòu)[8]加強(qiáng)特征提取，利用檢測頭對有效特征層進(jìn)行預(yù)測。圖1展示了YOLOv3 的網(wǎng)絡(luò)結(jié)構(gòu)。

2 改進(jìn)YOLOv3 檢測模型

2.1 MobileNetV2

2018 年Google 提出了輕量化網(wǎng)絡(luò)MobileNetV2[9]。該網(wǎng)絡(luò)主要包含17 個倒殘差結(jié)構(gòu)（bottleneck），每個倒殘差結(jié)構(gòu)由一個3×3的DW卷積（depthwise convolution）和兩個1×1 的PW 卷積（pointwise convolution）組成。相較于普通卷積，由DW 卷積和PW 卷積構(gòu)成的深度可分離卷積，能大幅減少模型的參數(shù)量以及運(yùn)算成本。MobileNetV2 第二個特點(diǎn)是linearbottlenecks，主要表現(xiàn)在倒殘差結(jié)構(gòu)中的第二個PW 卷積后使用線性激活函數(shù)，以減少特征信息的損失。MobileNetV2 網(wǎng)絡(luò)整體結(jié)構(gòu)如表1 所示。在本文中，將使用輕量化網(wǎng)絡(luò)MobileNetV2 來對YOLOv3 檢測模型進(jìn)行改進(jìn)。

2.2 CA 注意力機(jī)制

在深度學(xué)習(xí)中，注意力機(jī)制能夠增強(qiáng)網(wǎng)絡(luò)對有效特征信息的提取，提高檢測精度。2021 年Qibin Hou等人提出CA（Coordinate Attention）[10]注意力機(jī)制，不僅考慮了通道信息，還考慮了方向相關(guān)的位置信息。相比于CBAM[11]，CA 實(shí)現(xiàn)更為簡單，并且能在空間維度上構(gòu)造遠(yuǎn)程的依賴關(guān)系。在CA 中，首先對輸入進(jìn)來的特征圖分別沿著水平和垂直方向進(jìn)行平均池化，得到兩個不同的特征圖。然后對兩個特征圖進(jìn)行拼接以及卷積操作降維，建立遠(yuǎn)程依賴關(guān)系。再對得到的特征圖進(jìn)行BN 操作以及h-swish 激活。最后，沿著空間維度對特征圖進(jìn)行分割，得到沿水平方向以及沿垂直方向的注意力特征圖，對這兩組注意力特征圖使用卷積操作進(jìn)行升維，使用Sigmoid 將值域限制在0 和1 之間?；贑A 模塊的網(wǎng)絡(luò)結(jié)構(gòu)如圖2 所示。在本文中，將使用CA 注意力機(jī)制來對YOLOv3 檢測模型進(jìn)行改進(jìn)。

2.3 CIOU 損失函數(shù)

YOLOv3 損失函數(shù)包括邊界框定位損失、置信度損失以及類別損失，其中邊界框定位損失使用MSE 損失函數(shù)進(jìn)行計(jì)算。2016 年Jiahui Yu 等人[12]提出了IOU 損失，相較于MSE 損失，IOU 損失能夠更好的反應(yīng)邊界框的重合程度，具有尺度不變性。2019 年，Zhaohui Zheng 等人[13]提出了DIOU 損失以及CIOU 損失，DIOU 損失在IOU 損失的基礎(chǔ)上添加了中心點(diǎn)歸一化距離，使收斂速度更快、回歸精度更高。CIOU 損失是對DIOU 損失的進(jìn)一步改進(jìn)，將長寬比參數(shù)引入到損失函數(shù)中。CIOU 損失共包含重疊面積、中心點(diǎn)距離、長寬比3 種幾何參數(shù)，其計(jì)算公式為：

其中，P 表示預(yù)測框，G 表示真實(shí)框，IOU 反映的重疊面積；ρ（b，bgt）表示的是預(yù)測框中心點(diǎn)坐標(biāo)與真實(shí)框中心點(diǎn)坐標(biāo)的歐式距離，c 表示的是覆蓋預(yù)測框與真實(shí)框的最小外接邊界框?qū)蔷€長度，ρ2（b，bgt）/c2反映的是中心點(diǎn)距離；v 表示的是預(yù)測框與真實(shí)框長寬比一致性參數(shù)，α表示的是平衡參數(shù)，αv 反映的是長寬比。因此，CIOU 損失能更好的反應(yīng)邊界框的重合重度，加速損失函數(shù)收斂。在本文中，將使用CIOU 損失函數(shù)來對YOLOv3 檢測模型進(jìn)行改進(jìn)。

2.4 改進(jìn)后的網(wǎng)絡(luò)總體結(jié)構(gòu)

本文對YOLOv3 檢測模型進(jìn)行改進(jìn)，使用MobileNetV2作為骨干網(wǎng)絡(luò)提取特征，減少模型的參數(shù)量和計(jì)算量；使用CA 注意力模塊，讓模型更加關(guān)注圖像中有用的特征信息，提高模型性能；使用CIOU 損失替換MSE 損失，加速網(wǎng)絡(luò)收斂以及實(shí)現(xiàn)精準(zhǔn)定位。改進(jìn)后的YOLOv3 檢測模型命名為YOLO-MAC，其網(wǎng)絡(luò)總體結(jié)構(gòu)如圖3 所示。

3 實(shí)驗(yàn)與結(jié)果分析

3.1 數(shù)據(jù)集采集與處理

本文通過網(wǎng)上搜索、爬蟲、實(shí)地拍攝等方法，對電梯內(nèi)電動車圖片進(jìn)行采集，共篩選出2300 張電梯內(nèi)電動車圖片。為豐富圖片的特征，對采集到的圖片添加隨機(jī)遮擋、高斯模糊、亮度調(diào)節(jié)、水平翻轉(zhuǎn)等數(shù)據(jù)增強(qiáng)算法，對數(shù)據(jù)集進(jìn)行擴(kuò)充。擴(kuò)充后共有3300 張圖片，其中劃分2700 張圖片作為訓(xùn)練集、300 張圖片作為驗(yàn)證集、300 張圖片作為測試集。數(shù)據(jù)增強(qiáng)后的圖片如圖4 所示。

3.2 實(shí)驗(yàn)環(huán)境以及超參數(shù)設(shè)置

本文實(shí)驗(yàn)在Ubuntu 20.04.2 操作系統(tǒng)下，采用Pytorch1.10.1 深度學(xué)習(xí)框架，CUDA 版本為11.6，使用Python3.7.10。計(jì)算機(jī)硬件包括NVIDIA GeForceRTX 3060 12GB GPU、Intel（R） Xeon（R） CPU E5-2680 v4 @ 2.40GHz、24GB 內(nèi)存。

本文實(shí)驗(yàn)設(shè)置網(wǎng)絡(luò)輸入為416×416×3，在每次迭代的時候使用余弦退火來對學(xué)習(xí)率進(jìn)行衰減，采用SGD 優(yōu)化算法進(jìn)行參數(shù)更新，引入遷移學(xué)習(xí)的方式獲得骨干網(wǎng)絡(luò)預(yù)訓(xùn)練權(quán)重。模型初始學(xué)習(xí)率設(shè)置為0.001，將訓(xùn)練分為兩個階段。在第一階段，特征提取網(wǎng)絡(luò)被凍結(jié)，批處理大小設(shè)置為16，迭代次數(shù)為50 輪。在第二階段，特征提取網(wǎng)絡(luò)解凍，批處理大小設(shè)置為8，迭代次數(shù)為50 輪。

3.3 實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證改進(jìn)算法YOLO-MAC 的可行性，以及改進(jìn)方法對電梯場景下電動車檢測模型的影響，將YOLOv3 與替換骨干網(wǎng)絡(luò)后的模型YOLO-M、加入CA 注意力機(jī)制的YOLO-MA 以及本文提出的YOLO-MAC 進(jìn)行對比分析。對比實(shí)驗(yàn)使用相同的測試集，從計(jì)算量、參數(shù)量、mAP 和FPS 四個方面對模型進(jìn)行比較，實(shí)驗(yàn)結(jié)果如表2 所示。

從表2 可以看出，使用輕量化網(wǎng)絡(luò)MobileNetV2替換YOLOv3 的特征提取網(wǎng)絡(luò)DarkNet53，可以大幅減少模型的計(jì)算量以及參數(shù)量，但同時也造成了約3%的mAP 精度損失。在YOLO-M 模型中加入CA 注意力模塊后，使模型對電梯內(nèi)電動車的檢測精度從87.37% 提升到89.23%，證明CA 注意力模塊的有效性。最后，在YOLO-MA 的基礎(chǔ)上對模型損失函數(shù)進(jìn)行改進(jìn)，進(jìn)一步提高了檢測精度，mAP 值達(dá)到89.89%。在FPS 方面，改進(jìn)后的模型YOLO-MAC，檢測速度比YOLOv3 提升7.2 幀/秒，適合部署于邊緣設(shè)備上。綜上所述，YOLO-MAC 模型兼顧了推斷速度和檢測精度，更適合進(jìn)行電梯內(nèi)的電動車檢測。

圖5 對比了YOLOv3 以及改進(jìn)后的YOLO_MAC對電梯內(nèi)的電動車圖像進(jìn)行檢測的結(jié)果。從圖5 可以看出，YOLO-MAC 算法不僅檢測效果好，而且定位性能更高，驗(yàn)證了本文改進(jìn)方法的有效性。

4 結(jié)論

針對YOLOv3 算法模型參數(shù)量較多，難以在硬件條件有限的邊緣設(shè)備上進(jìn)行檢測等問題，本文提出一種基于改進(jìn)YOLOv3 的電梯內(nèi)電動車檢測算法。該方法以單階段目標(biāo)檢測算法YOLOv3 為基礎(chǔ)，使用輕量化網(wǎng)絡(luò)MobileNetV2 作為骨干網(wǎng)絡(luò)提取特征，引入CA 注意力模塊，使用CIOU 對損失函數(shù)進(jìn)行改進(jìn)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的YOLO-MAC 的mAP 與YOLOv3相近，但有效地減少了模型的計(jì)算量和參數(shù)量，檢測速度比YOLOv3 提升7.2 幀/秒。這證明該算法可行有效，能夠滿足電梯內(nèi)電動車檢測任務(wù)。