论文部分内容阅读
针对传统人体检测算法,存在着鲁棒性差和对光照条件要求较为苛刻的问题,借鉴目标检测的最新研究成果,以YOLO v3网络为基础,对室内场景制做了相应的室内场景人体识别数据集;同时,结合人体成像具有宽高不一致的特点,聚类选取初始框的数量和规格,改进候选框在X轴和Y轴的分布密度,将红外夜视图片和常规图片混合训练,并利用运动检测算法提取ROI,然后进行噪声处理,最后进行了检测。实验证明,对室内场景的人体检测和追踪的方法比常用的人体识别方法具有更高的准确率、更低的漏检率。