基于改进YOLOv5的复杂路况密集行人检测方法

doi:10.3969/j.issn.1006-2475.2024.05.015

摘要/Abstract

摘要：
摘要：针对复杂街景环境下行人检测精度低的问题，基于YOLOv5网络，提出一种改进的行人检测网络YOLO-BEN。该网络将残差分级，利用连接模块Res2Net与C3模块进行融合，加强细粒度级别的多尺度特征表示。采用双层路由注意力模块，构建和修剪区域级有向图，在路由区域的联合中应用细粒度的注意力，使网络具备动态的查询感知稀疏性，提高对模糊图像的特征提取能力。改进原网络Neck部分进一步保留局部角区域信息，弥补被遮挡行人的信息丢失问题。使用NWD度量与原有的IoU度量形成联合损失函数，同时增加小目标检测头，提高远距离行人检测效果。实验中该方法在自制数据集和部分WiderPerson数据集上取得了较好的效果，改进后比原始网络的精确率、召回率、平均精度分别提高了2.8、4.3、3.9个百分点。

关键词: 关键词：行人检测, 多尺度特征, 双层路由注意力机制, 角区域特征, 小目标检测

Abstract: Abstract： Aiming at the problem of low pedestrian detection accuracy in complex street scene environment， a new network YOLO-BEN is proposed based on the improvement of YOLOv5 network. The network uses a residual connection module Res2Net with hierarchical system to integrate with C3 module，enhancing fine-grained multi-scale feature representation. The paper adopts the Bi-level routing attention module to construct and prune a region level directed graph， and applies fine-grained attention in the union of routing regions， enabling the network to have dynamic query aware sparsity and improving the feature extraction ability of fuzzy images. We incorporate the EVC module to preserve local corner area information and compensate for the problem of information loss caused by occluded pedestrians. In this paper， NWD metric and original IoU metric are used to form a joint loss function， and a small target detection head is added to improve the effect of long-distance pedestrian detection. In the experiment， the method has achieved good results on self-made data sets and some WiderPerson data sets. Compared with the original network， the accuracy， recall and average accuracy of the improved network are increased by 2.8， 4.3 and 3.9 percentage points respectively.

Key words: Key words： pedestrian detection, multi scale features, double layer routing attention mechanism, angular areal feature, small target detection

中图分类号:

TP391.4

孙睿琦1, 窦修超2, 李志华1, 蒋雪梅2, 孙宇豪1. 基于改进YOLOv5的复杂路况密集行人检测方法[J]. 计算机与现代化, 2024, 0(05): 85-91.

SUN Ruiqi1, DOU Xiuchao2, LI Zhihua1, JIANG Xuemei2, SUN Yuhao1. An Improved YOLOv5-based Method for Dense Pedestrian Detection Under Complex Road Conditions[J]. Computer and Modernization, 2024, 0(05): 85-91.

参考文献

［1］ LI R. Application of deep learning in computer vision［J］. Computer and Network， 2021，47（15）：27-29.
［2］ AHMED Z， INIYAVAN R， MADHAN M P. Enhanced vulnerable pedestrain detection using deep learning［C］// 2019 International Conference on Communication and Signal Processing. IEEE， 2019：971-974.
［3］李晓艳，符惠桐，牛文涛，等. 基于深度学习的多模态行人检测算法［J］. 西安交通大学学报， 2022，56（10）：61-70.
［4］ XU J L ， RAMOS S， VAZQUEZ D， et al. Hierarchical adaptive structural SVM for domain adaptation［J］. International Journal of Computer Vision， 2014，119（2）：159-178.
［5］ WASALA M， KRYJAK T. Real-time HOG+SVM based object detection using SoC FPGA for a UHD video stream［C］// 2022 11th Mediterranean Conference on Embedded Computing. IEEE， 2022. DOI：10.1109/MECO55406.2022.
9797113.
［6］ GE W H， PAN C Y， WU A C， et al. Cross-camera feature prediction for intra-camera supervised person re-identification across distant scenes［C］// Proceedings of the 29th ACM International Conference on Multimedia. ACM，2021. 10.48550/arXiv.2107.13904.
［7］ GHARI B， TOURANI A， SHAHBAHRAMI A. A robust pedestrian detection approach for autonomous vehicles［J］. arXiv preprint arXiv：2210.10489， 2022.
［8］ NGUYEN Q K， NGUYEN T T H， NGUYEN V T K，et al. G-CAME： Gaussian-class activation mapping explainer for object detectors［J］. arXiv preprint arXiv：2306.03400， 2023.
［9］苏松志，李绍滋，陈淑媛，等. 行人检测技术综述［J］. 电子学报， 2012，40（4）：814-820.
［10］ UIJLINGS J R R， VAN DE SANDE K E A， GEVERS T， et al. Selective search for object recognition［J］. International Journal of Computer Vision， 2013，104（2）：154-171.
［11］ GIRSHICK R， DONAHUE J， DARRELL T， et al. Rich feature hierarchies for accurate object detection and semantic segmentation［C］// 2014 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2014：580-587.
［12］ GIRSHICK R. Fast R-CNN［C］// 2015 IEEE International Conference on Computer Vision. IEEE， 2015：1440-1448.
［13］ REN S Q， HE K M， GIRSHICK R. Faster R-CNN： Towards real-time object detection with region proposal networks［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2017，39（6）：1440-1448.
［14］ REDMON J， DIVVALA S， GIRSHICK R， et al. You only look once： Unified， real-time object detection［C］// 2016 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2015：779-788.
［15］ REDMON J， FARHADI A. YOLOv3： An incremental improvement［J］. arXiv preprint arXiv：1804.02767， 2018.
［16］ VAN ETTEN A. You only look twice： Rapid multi-scale object detection in satellite imagery［J］. arXiv preprint arXiv：1805.09512， 2018.
［17］曾凯，李响，陈宏君，等. 引入注意力机制的改进型YOLOv5网络研究［J］. 软件工程， 2023，26（1）：55-58.
［18］杨文涛，张维光. 基于改进YOLOv5m的弱小目标识别方法［J］. 计算机测量与控制， 2022，30（12）：218-223.
［19］俞军，贾银山. 改进YOLOv5的小目标检测算法［J］. 计算机工程与应用， 2023，59（12）：201-207.
［20］ ZHAO J Q， ZHANG X H， YAN J W， et al. A wheat spike detection method in UAV images based on improved YOLOv5［J］. Remote Sensing， 2021，13（16）：3095-4001.
［21］ HE K M， ZHANG X Y， REN S Q. Deep residual learning for image recognition［C］// 2016 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2016：770-778.
［22］ GAO S H， CHENG M M， ZHAO K. Res2Net： A new multi-scale backbone architecture［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2019，43（2）：652-662.
［23］毛琳，任凤至，杨大伟，等. 基于卷积神经网络的全景分割Transformer模型［J］. 软件学报， 2023，34（7）：3408-3421.
［24］ ZHU L， WANG X J， KE Z H. BiFormer： Vision transformer with bi-level routing attention［C］// 2023 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2023：10323-10333.
［25］ QUAN Y， ZHANG D， ZHANG L Y. Centralized feature pyramid for object detection［J］. arXiv preprint arXiv：2210.02093.
［26］ XU C， WANG J W， YANG W， et al. Detecting tiny objects in aerial images： A normalized Wasserstein distance and a new benchmark［J］. ISPRS Journal of Photogrammetry and Remote Sensing， 2022，190（8）：79-93.
［27］ ZHANG S F， XIE Y L， WAN J， et al. WiderPerson： A diverse dataset for dense pedestrian detection in the wild［J］. IEEE Transactions on Multimedia， 2019，22（2）：380-393.

[1]	张思敏, 刘新妹, 殷俊龄, 李宝玲. 基于YOLOv7改进的PCB缺陷检测方法[J]. 计算机与现代化, 2024, 0(12): 45-52.
[2]	魏学诚1, 江凌云1, 李研2, 何非2. 改进YOLOv5的路侧单目视角小目标检测算法[J]. 计算机与现代化, 2024, 0(10): 27-34.
[3]	王鑫, 余磊. 多尺度双注意力的图像超分辨率重建方法[J]. 计算机与现代化, 2024, 0(08): 77-87.
[4]	庞梅, 汪珙, 詹泳, 黄哲法. 基于YOLOv5改进算法的海洋水下垃圾检测方法[J]. 计算机与现代化, 2024, 0(07): 120-126.
[5]	崔少国, 张宇楠. 融合多尺度空间特征的甲状腺结节超声图像分割[J]. 计算机与现代化, 2024, 0(03): 72-77.
[6]	李国鑫, 曲寒冰, 朱成博, 王鑫轩, 胡嘉宝. 基于联合网络的域适应行人重识别算法[J]. 计算机与现代化, 2023, 0(06): 48-55.
[7]	朱理清, 李祥, . 改进YOLOv5算法的遥感图像车辆检测[J]. 计算机与现代化, 2023, 0(05): 117-121.
[8]	梁正友, 耿经邦, 孙宇. 基于改进残差网络的交通标志识别算法[J]. 计算机与现代化, 2022, 0(04): 52-57.
[9]	白士磊, 殷柯欣, 朱建启. 轻量级YOLOv3的交通标志检测算法[J]. 计算机与现代化, 2020, 0(09): 83-88.
[10]	王文，周晨轶，徐亦白，卢杉，周梦兰. 一种采用级联RPN的多尺度特征#br# 融合电表箱锈斑检测算法[J]. 计算机与现代化, 2020, 0(01): 117-.
[11]	曹靖康1，段江永2，孟娟2. 基于深度特征融合的空间植物图像分割算法[J]. 计算机与现代化, 2018, 0(10): 58-.