公共文化服务平台

搜索到7058篇“ 行人检测“的相关文章

一种行人检测装置: 本实用新型属于公共交通技术领域，具体地说是一种行人检测装置，包括行人检测支撑架，所述行人检测支撑架的内部安装有行人检测防护组件，且行人检测支撑架的边侧衔接有危险区域警报组件，并且行人检测支撑架的顶部设置有行人遮雨组件；所...; 闫军李明光

基于改进YOLOv5的密集行人检测算法: 2025年; 针对现有的行人检测方法对于密集行人或小目标行人检测精度低的问题,提出一种基于YOLOv5的综合改进算法模型YOLOv5_Conv-SPD_DAFPN。首先,针对小目标或密集行人的特征信息易丢失这一问题,在骨干网络中引入Conv-SPD网络模块替代原有的跨步卷积,有效缓解特征信息丢失的问题;其次,针对非相邻特征图不直接融合从而引起特征融合率较低的问题,提出新的双层渐进金字塔网络(DAFPN),提高行人检测的准确性和精度;最后,基于EIoU_Loss和CIoU_Loss引入EfficiCIoU_Loss定位损失函数,以调整和提高帧回归率,促进网络模型更快收敛。模型在CrowdHuman和WiderPerson行人数据集上相比于原YOLOv5模型,mAP@0.5、mAP@0.5∶0.95分别提升了3.9、5.3百分点和2.1、2.1百分点;引入EfficiCIoU_Loss后,模型收敛速度分别提升了11%、33%。这些改进使得基于YOLOv5的密集行人检测在特征信息保留、多尺度融合和损失函数优化等方面都取得了显著进展,提高了其在实际应用中的性能和效率。; 胡倩皮建勇皮建勇黄昆王娟敏

一种行人检测模型及其训练方法、检测方法: 本发明提供一种行人检测模型，用于检测图像中的行人，所述模型包括：特征提取模块，用于对图像进行特征提取得到原始特征图；区域生成模块，用于采用锚框对所述原始特征图进行候选目标框选以获取带锚框的特征图；空间注意力模块，用于对所...; 汤书苑石晶林周一青李锦涛刘畅尚源峰

行人检测方法和行人检测装置、电子设备: 本申请提出一种行人检测方法和行人检测装置、电子设备、电子设备以及非瞬时性计算机可读存储介质，行人检测方法包括响应于行人检测指令，对多模态目标检测图像数据进行融合处理，得到多模态融合数据；提取所述多模态融合数据的多模态特征...; 邢飞史慧宇尤政戴宇翔王甜甜鲁文帅浦一雯丁皓伦

一种多视角尺度感知行人检测系统及方法: 本发明公开了一种多视角尺度感知行人检测系统及方法，属于计算机视觉技术领域，包括行人检测系统包括初始特征提取层、单视角二维检测层、多视角尺度感知特征提取模块、共享权重监督模块和多视角特征解码层，获取同一场景下的多个相机同时...; 李贺廖泰宇杜亿茹王勇孔维航

基于改进YOLOv8的低光照行人检测算法: 2025年; 行人检测被广泛应用于智能交通和自动驾驶领域。在低光照场景下,行人检测存在漏检、误检等问题,检测精度低。为此,提出一种基于改进YOLOv8n的低光照行人检测(GSGYOLOv8)算法:首先,在主干网络添加GCNet模块,提高模型对图像上下文信息的提取能力;然后,在主干网络融合SPDConv和Conv,增强模型对局部特征的提取能力,提升小目标检测的效果;最后,在颈部网络添加GAM注意力机制,自适应地调整目标与背景之间的相关程度,降低背景信息的干扰。相较于基线YOLOv8n算法,该算法在NightSurveillance数据集上mAP@0.5和mAP@0.5~0.95分别提升了3.4和4.6;相较于其他主流算法,该算法系统开销更低,目标检测精度更高,特别是克服了低光照的影响,提升了低光照条件下行人检测的精度。; 李宝兵符长友; 关键词：行人检测特征提取小目标检测

基于可变形卷积的YOLOv5行人检测算法: 2025年; 行人检测在智能交通、人流统计等场景发挥着重大作用。针对当前密集场景下遮挡行人和小尺度行人容易漏检的问题,提出一种改进YOLOv5的目标检测算法。首先,在主干网络中采用C2f模块替换原有的C3模块,该模块可在轻量化的前提下获取更加丰富的梯度流信息,提高对小目标的检测能力;其次,在主干网络中引入可变形卷积模块,该模块能够增强卷积神经网络的感受野,改善对目标形变的建模能力,提高遮挡环境下行人特征的提取能力;最后,优化边界框回归损失函数,将FocalLoss与EIOULoss融合,加速收敛,提高回归精度。实验结果表明,与现有的YOLOv5s相比,召回率提升2.9%,mAP0.5提升1.3%。; 薛仁政吴乾龙叶宝丰; 关键词：目标检测行人检测

远距离情形下的改进YOLOv8行人检测算法: 2025年; 智慧社区场景下的行人检测需要精准识别行人以应对各类情况的发生,然而面对遮挡和远距离行人的情景,现有检测器会出现漏检、误检以及模型过大不易部署的问题。针对以上问题,提出基于YOLOv8的行人检测算法ME-YOLO。设计一种高效特征提取模块(EM),使得网络更好地学习行人特征和捕捉行人特点,在减少网络参数量的同时提高检测精度。设计一个重构的检测头模块,重新整合后的检测层增强了网络对小目标的识别能力,有效检测小目标行人。引入双向特征金字塔网络来设计新的颈部网络,即双向扩张残差-特征金字塔网络(BDR-FPN),利用扩张残差模块和附权注意力机制来扩展感受野及有所侧重地学习行人特征,缓解网络对遮挡行人不敏感问题。实验结果表明,在CityPersons数据集上进行训练和验证,相比原算法YOLOv8,ME-YOLO算法的AP_(50)提高了5.6百分点,模型参数量减少了41%,模型大小压缩了40%,在TinyPerson数据集上验证算法的有效性和泛化性,AP_(50)提高了4.1百分点,AP_(50∶95)提高了1.7百分点。该算法在大幅度减少模型参数和大小的同时,有效提高了检测精度,在智慧社区场景中有较好的应用价值。; 汤静雯赖惠成王同官; 关键词：行人检测

一种基于改进RFBNet算法的行人检测方法及系统: 本发明公开了一种基于改进RFBNet算法的行人检测方法及系统，包括以下步骤：步骤1：获取当前帧路面实时图像；步骤2：将当前帧路面实时图像输入至训练好的RFB_Nano特征提取网络模型中，并使用TensorRT加速引擎运行...; 杨舰唐玥李富彭琪王军礼宋耀辉邱建华

基于颜色通道区间映射缩减的HOG行人检测方法: 2025年; 行人检测在智能监控和自动驾驶等领域需要兼顾精度和实时性。然而,现有技术在处理复杂场景时仍面临计算效率低的问题。该研究采用基于方向梯度直方图(HOG)的行人检测方法,并通过颜色通道缩减技术,在保留图像关键信息的同时减少计算量。通过一系列实验验证了预处理策略在减轻计算负担和提升检测精度方面的有效性。研究结果表明,该方法在保持检测精度的同时,检测速度提升了8%,为行人检测技术的发展提供了新的视角和优化方向。; 欧嵬肖世涛庞梦雪王芳周琳琦; 关键词：行人检测方向梯度直方图目标检测

相关作者