改进YOLOv3的全景交通监控目标检测

来源：计算机工程与应用杂志2020年第8期北京时间：

作者：孔方方，宋蓓蓓

单位：长安大学 信息工程学院，西安 710064

摘要：针对城市交通场景复杂、车辆及行人等目标多且尺度变化大等特点，提出一种改进的YOLOv3全景交通监控多目标检测方法。以YOLOv3网络为基础，兼顾大小尺度目标特性设计4个检测尺度，并进行多尺度特征融合处理。利用[K]-means聚类方法对数据集中的标注目标框进行聚类分析，选取优化的聚类锚点框宽高维度作为改进YOLOv3网络的初始候选框。全景交通监控检测目标包括大型汽车、小型汽车、骑行摩托车、骑行自行车和行人5类。在测试集上目标检测平均精度和召回率分别达到84.49%和97.18%，较原始YOLOv3分别提高了7.76%和4.89%，处理速度可满足交通场景下实时性检测要求。

关键词：目标检测,全景交通监控,[K]-means,特征融合,卷积神经网络