改进多尺度特征融合的行人检测算法

针对图像中小尺寸行人目标检测识别率低的问题，提出一种基于改进多尺度特征融合的行人检测算法。首先，在原始YOLOv3模型的基础上将BN层融合到卷积层；其次，增加检测层，借鉴特征金字塔思想将高低层特征进行融合与预测；最后，利用线性尺度缩放的K-means聚类算法优化候选框，提高小尺寸行人检测效果。在INRIA行人数据集上的实验结果表明，改进算法准确率达到91.4%,与YOLOv3算法相比提高了3.4%;在复杂监控环境下也证明了所提算法的有效性。