基于改进CornerNet⁃Lite的林区行人检测算法

摘要：

为做好森林管护工作,减少人力和物力的消耗,利用快速发展的行人检测算法可对林区行人进行检测和甄别,但林区行人检测与传统行人检测有很多不同,如林区行人被树木遮挡、着装与背景色调相似等特征,导致漏检现象严重.为此,针对林区行人的特点,笔者提出了一种实时检测林区行人的算法CornerNet?P,将林区行人的位置预测简化成为2个关键点的预测.以CornerNet?Lite为基础,改进算法的损失函数,预测2组热力图来检测林区行人的角点位置,预测嵌入层损失以匹配同一行人的角点,预测偏置层损失来减少尺度变化过程中的精度损失,并获得最终的边界框;然后提取COCO2014数据集中的行人数据并随机分为训练集和测试集两部分,使用训练集分别训练该算法与YOLOv4算法中的参数,使用测试集和真实的林区行人图像对算法的检测精度和检测速度进行检验.试验结果表明,CornerNet?P算法相比YOLOv4算法平均检测精度提高了1.7％,检测速度提高了5.1％,并可以较好地检测真实林区行人图像.CornerNet?P算法可以实现林区的行人检测,具有较快的检测速度和较满意的精度.

关键词：深度学习、CornerNet-Lite网络、森林管护、关键点预测、行人检测

所属期刊栏目：6

分类号：S758;TP391.41(森林经营学、森林计测学、森林经理学)

资助基金：江苏省研究生科研与实践创新计划项目KYCX20_0886

在线出版日期：2021-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：153-158