一种基于YOLOv4的行人检测方法及系统

技术特征：
1.一种基于yolov4的行人检测方法，其特征在于，包括：获取待检测的图像信息；依据图像信息，以及预设的行人检测网络模型，得到检测结果；其中，所述行人检测网络模型为训练后的yolov4网络模型；yolov4网络模型中，在边界框损失函数中添加一个指数函数作为修正系数，所述指数函数的自变量为预测框与真实框之间宽高比的绝对值之差乘上预设调节参数的积。2.如权利要求1所述的一种基于yolov4的行人检测方法，其特征在于，yolov4网络模型训练前，将行人的宽高数据作为离散数据，根据k均值聚类算法将数据划分为多类。3.如权利要求1所述的一种基于yolov4的行人检测方法，其特征在于，边界框损失函数为：其中，l
box
表示边界框损失函数；iou(a，b)表示ab两框的重叠度；ρ2表示预测框与目标框中心点距离平方；c2表示预测框与目标框最小包围矩阵对角线的距离平方；b
pre
表示预测框中心点坐标；b
gt
表示目标真实框中心点坐标；e
αδ
表示修正系数；δ表示预测框与真实框之间宽高比的绝对值之差；α表示预设调节参数。4.如权利要求1所述的一种基于yolov4的行人检测方法，其特征在于，在yolov4网络模型的类别损失函数中添加调节系数，调节负样本损失权重的比重。5.如权利要求4所述的一种基于yolov4的行人检测方法，其特征在于，调节系数的变化受迭代率影响，根据迭代的进行逐渐恢复至正常状态。6.如权利要求4所述的一种基于yolov4的行人检测方法，其特征在于，yolov4网络模型中的类别损失函数为：其中，s2代表网格数；b代表网格中预测框数；代表网格中含有目标；代表网格中没有目标；代表交叉熵损失函数；代表预测值；c
i
代表期望值；γ代表添加的调节系数。7.如权利要求1所述的一种基于yolov4的行人检测方法，其特征在于，在yolov4网络模型中的检测部分，采用对预范围内的低置信度预测框进行降低分值的策略。8.一种基于yolov4的行人检测系统，其特征在于，包括：数据采集模块，被配置为：获取待检测的图像信息；检测模块，被配置为：依据图像信息，以及预设的行人检测网络模型，得到检测结果；其中，所述行人检测网络模型为训练后的yolov4网络模型；yolov4网络模型中，在边界框损失函数中添加一个指数函数作为修正系数，所述指数函数的自变量为预测框与真实框之间宽高比的绝对值之差乘上预设调节参数的积。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执
行时实现了如权利要求1-7任一项所述的基于yolov4的行人检测方法的步骤。10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现了如权利要求1-7任一项所述的基于yolov4的行人检测方法的步骤。

技术总结
本发明属于计算机视觉技术领域，提供了一种基于YOLOv4的行人检测方法及系统，包括：获取待检测的图像信息；依据图像信息，以及预设的行人检测网络模型，得到检测结果；YOLOv4网络模型中，在边界框损失函数中添加一个指数函数作为修正系数，所述指数函数的自变量为预测框与真实框之间宽高比的绝对值之差乘上预设调节参数的积；本发明在YOLOv4网络模型中的边界框损失函数中添加一个指数函数作为修正系数，所述指数函数的自变量为预测框与真实框之间宽高比的绝对值之差乘上预设调节参数的积，通过对预设调节参数的选取来确定修正系数，从而达到提升模型收敛速度的目的。而达到提升模型收敛速度的目的。而达到提升模型收敛速度的目的。


技术研发人员：石胜君 禹航 赵钦君 王磊 赵方 毕淑慧 申涛
受保护的技术使用者：济南大学
技术研发日：2022.06.10
技术公布日：2022/9/2