基于改进YOLOv3的智慧足球场行人检测

由于足球比赛场景中密集人群、移动小目标居多,YOLOv3算法存在检测精确度较低且模型参数量较大等问题,使其无法部署在资源算力有限的移动设备上,本文提出了一种基于改进YOLOv3的行人检测方法,将Darknet-53主干特征提取网络替换为更加高效且轻量化的GhostNet网络;同时选取了4个尺度的检测分支层并采用K-means++算法改善anchor box的聚类效果;添加空间金字塔池化对输入图像实现相同大小的输出;提出CIoU损失函数来计算目标定位损失值;添加heatmap热力图可视化并在训练中使用Mosaic数据增强.实验结果表明,YOLOv3-GhostNet在VOC融合数据集上mAP达到90.97%的同时相比YOLOv3算法提高了1.75%,参数量减少了约81.4%且实时检测速率提高了约1.5倍,在小型移动设备上表现出不错的检测效果.