[发明专利]一种基于YOLOv3与SSR的行人检测算法

权利要求书

1.一种基于YOLOv3与SSR的行人检测算法，其特征在于，具体步骤如下：首先利用图像采集设备采集到行人的图像，网络自动提取关键帧，将彩色的关键帧进行降维处理转化灰度图像，利用TrAdaBoost生成具有一定迁移学习能力的分类器，对灰度图像的进行分类，若达到预定值，则直接传输到YOLOv3网络中进行行人检测；若未达到预定值，则传输到SSR算法进行图像处理，再传输到YOLOv3算法中进行行人检测。

2.根据权利要求1所述的一种基于YOLOv3与SSR的行人检测算法，其特征在于，YOLOv3网络是经过改进后的YOLOv3算法，改进步骤如下：A、增加算法检测尺度；B、目标框维度聚类；C、改变损失函数。

3.根据权利要求2所述的一种基于YOLOv3与SSR的行人检测算法，其特征在于，所述YOLOv3算法使用的检测网络为DarkNet-53网络，并使用3种不同比例的特征图融合，包括一个下采样特征图，尺度大小为13×13，两个上采样特征图，尺度大小分别为26×26，52×52。

4.根据权利要求3所述的一种基于YOLOv3与SSR的行人检测算法，其特征在于，步骤B具体是：选用在COCO数据集中的高宽比大于2的先验框，然后采用K-means聚类重新分析行人数据集，从而得到了适合室内行人的最优anchor个数和高宽比。

5.根据权利要求4所述的一种基于YOLOv3与SSR的行人检测算法，其特征在于，所述YOLOv3算法采用重叠度交并比的计算方法计算bounding box与真实框之间的距离，具体公式为d(box，centroid)＝1-IOU(box，centroid)，式中：B表示box，C表示centroid。box为样本聚类结果；centroid为所有簇的中心；IOU(box，centroid)为所有簇中心与所有聚类框的交并比。

6.根据权利要求5所述的一种基于YOLOv3与SSR的行人检测算法，其特征在于，所述YOLOV3算法采用交叉熵损失函数提升检测效果，函数的表达式定义为下式：当公式中的y的值等于1时，x的值越接近1，则损失函数的值越小；相反，x的值越接近0，则损失函数的值越大，如果公式中y的值等于0，则x的值越接近0，网络的损失函数的值越小；否则，x的值越接近1，则损失函数的值越大。

7.根据权利要求1所述的一种基于YOLOv3与SSR的行人检测算法，其特征在于，采用算法TrAdaBoost作为样本迁移学习算法，具体实施方法如下，首先计算出图像亮度平均值与对比度平均值，并标记出是否需要SSR算法进行处理，不需要处理的标记为0，需要处理的标记为1，另制作未标注的测试数据集S沿用原算法中的基本分类算法Learner，迭代次数为M，接着使用TrAdaBoost算法对样本进行迁移学习，获得最终分类器，最后，将网络融合在一起，具体方式为提取关键帧，计算出关键帧的亮度平均值与对比度平均值，输入到分类器网络中，由分类器进行分类，若该关键帧被标记为1，则需要将图像输入到SSR算法中进行图像处理，若该关键帧被TrAdaBoost算法标记为0，则直接跳过图像处理算法，直接将图像输入到YOLOv3算法进行预测，分类器的函数表达式为其中N为迭代次数，数值为h_t(x)表示调用分类算法Learner。