[发明专利]一种基于YOLOv3算法的果园行人检测方法

摘要

本发明公开一种基于YOLOv3算法的果园行人检测方法。具体为：采集果园中行人图像；对采集的图像进行预处理，构建标准的行人检测数据集；将训练集放入修改过的Darknet‑53网络结构提取行人特征，通过K‑means聚类方法产生anchor box数来生成预测的行人边界框，使用二元交叉熵损失函数进行类别预测,并使用类似FPN网络进行多尺度融合预测；最后通过Soft‑NMS去除多余的预测边界框，输出最终的预测边界框和类别。本发明的行人检测准确率高，实时性好，针对果园环境下提出的Random Erasing等数据增广方法，增强训练模型对复杂背景的鲁棒性，采用的Soft‑NMS算法能提高检测的召回率，并且引进的组归一化Group Normalization能降低训练的模型对硬件的要求。

主权项

1.一种基于改进的YOLOv3算法的果园行人检测方法，其特征在于，包括以下步骤：步骤1：采集果园环境中行人图像；采集行人在深度摄像头下拍摄的各种姿势和所处果园位置的图像，其中，所述拍摄的行人包括躺、坐、蹲、行走、站立、跑步以及距离摄像头不同距离的行人和不同遮挡情况的行人。步骤2：对步骤1中采集的图像进行预处理，并构建标准的行人检测数据集；步骤3：将步骤2中处理后制作的训练集放入卷积特征器特征提取行人特征，通过K‑means聚类方法产生anchor box数来生成预测的行人边界框，并使用类似FPN网络进行多尺度融合预测来提升边界框和类别预测的准确性；步骤4：使用软化非极大值抑制Soft‑NMS算法来改进非极大值抑制NMS算法，根据预测的边界框与实际边界框的交并比IOU进行Soft‑NMS操作，对预测的边界框的置信度小于给定的阈值进行边界框抑制，输出最终的预测边界框和类别。