论文部分内容阅读
针对密集人群场景的行人检测中,由于行人密度大,遮挡程度高,行人姿态变化造成的现有行人检测方法鲁棒性差的问题,提出一种简单有效的解决方法。首先,结合该场景的行人数据分析,引入头肩模型。然后,以YOLOv2网络为基础,改进其网络结构,增加融合多级细粒度特征的功能,提出一种基于YOLOv2网络的YOLOv2-E行人检测网络。最后,通过测试数据集上的实验分析改进后的网络与原始网络的效果。实验结果显示,YOLOv2-E网络检测速度达到30帧每秒。并且在不同的检测框阈值条件下,所提的方法有效降低已有代表性方法的