X-YOWO：实时人体行为定位方法

来源：计算机工程与应用杂志2022年第20期北京时间：

作者：袁赛美, 黄怡蒙, 冯李航, 朱文俊, 易阳

单位：南京工业大学 电气工程与控制科学学院，南京 211816

摘要：基于视频的人体行为定位技术在城市安全系统、人机交互系统等领域具有广泛应用需求。针对现有人体行为定位技术模型复杂、定位精度与检测速度难以平衡的问题，提出了一类新的人体行为定位的深度学习框架X_YOWO，该框架继承了原YOWO的3D-CNN和2D-CNN两个分支，重新设计了通道融合与边界回归策略：通过基于相关系数矩阵的通道注意机制和相关性损失函数，使得模型在样本较少的情况下获得更多的有效特征，提高模型对特征的学习能力；采用一种基于距离概率大小来进行锚点聚类选择的方法，避免了原始聚类中心稳定性差的问题，使得改进后的锚点框大小更加适应数据集中目标大小的变化；采用CIoU回归损失函数作为目标函数，提高边界框回归的稳定性。在公开数据集UCF101-24和J-HMBD-21上对不同方法进行性能对比，当检测速度为22?frame/s时，使用X_YOWO后frame-mAP指标提高了3个百分点，不同阈值下的video-mAP指标也有较好表现。在自制的数据集上，当检测速度为22?frame/s时，X_YOWO的检测精度提高了3.6个百分点，定位精度提高了4.94个百分点，稳定性也更强。实验结果验证了X_YOWO在保证实时性前提下，具有更高的检测精度、稳定性及泛化能力。

关键词：X_YOWO,人体行为定位,瞄点框,相关系数,损失函数