改进YOLOv3算法与人体信息数据融合的视频监控检测方法

摘要

针对目前社区视频监控使用人脸相机仅采集出入口人脸数据,而缺失有数据价值的人体其他属性信息的问题,提出一种将改进YOLOv3网络和调用人体信息识别模块相结合的人体信息检测方法。采用K-means++算法获取数据集的先验框,选用新的边界框回归损失函数GIoU提高检测精度,再进行多尺度训练得到人体检测网络模型,最后利用人体检测模型在检测到人体目标后调用人体信息识别模块对人体信息进行分析和保存。实验结果表明:该方法既能快速检测人体目标,还能准确获取人体目标的各种属性信息,其中人体检测模型在测试集上的mAP达到91.8%,识别速度为45 f/s。