改进YOLOv3算法的导盲系统街道场景检测

对街道场景视频或图像数据中的人和车辆进行实时检测是导盲系统中难度很高的任务,针对街道目标检测任务,提出了一个根据目标检测技术YOLOv3算法改进的街道场景检测算法YOLOv3-Street,分别在传统YOLOv3算法的网络框架以及数据增强方式上进行了改进。针对传统的主特征提取网络Darknet53采用CSPDarknet53改进结构,实现更丰富的梯度组合,同时减少计算量;引入特征金字塔SPP和PAN结构,增加网络感受野;使用Mosaic数据增强避免过拟合。实验过程中采用MIT的CBCLStreetScenes数据集并对3547张数据中的汽车,行人等目标进行训练和测试。结果表明,所提出的街道场景检测算法,能够在不受天气、光照、角度等条件约束实时速度达到69FPS,mAP为79.35%,实现了街道场景检测实时性与精度的良好平衡,提升了盲人出行的安全指数。