摘要
通过围绕YOLOv5+deepsort实时摄像头采集到的行人图像,首先利用改进HOG目标检测算法将某一动态事件转化为灰度图、提取整体性特征,降低局部细节特征关注度;然后基于事件整合的深度神经网络(Event-based YOLO)算法,对处理后的动态事件整体完成卷积、池化深度学习分析,得出动态视觉传感器的行人数据集检测识别结果。仿真实验结果表明,相比于传统YOLO网络算法、CNN卷积神经网络算法而言,采用CIFARIO-YOLOv5动态事件数据集展开算法迭代,Event-based YOLO神经网络融合算法对事件相机输入图像的迭代训练,其损失函数值LF(loss function)、准确率P(precision)、F值(F-measure)均优于以上两种算法,且检测准确率为95%以上,可以被用于外部动态场景的行人目标检测与识别。
作者
谌颃
张袖斌
朱恺文
戴华珍
CHEN Hang;ZHANG Xiubin;ZHU Kaiwen;DAI Huazhen
出处
《信息技术与信息化》
2023年第10期217-220,共4页
Information Technology and Informatization
基金
2020年度广东省普通高校特色创新项目“基于深度学习的动态目标跟踪技术的应用研究”(2020KTSCX292)。
