王殿伟,何衍辉,李大湘,刘颖,许志杰,王晶.改进的YOLOv3红外视频图像行人检测算法[J].西安邮电大学学报,2018,23(04):48-52 67.

针对YOLOv3检测红外视频图像行人时存在准确率低、漏检率高的问题,提出一种改进的YOLOv3红外视频图像行人检测算法。根据行人在红外图像中呈现宽高比相对固定的特点,利用k-means聚类方法选取目标候选框个数和宽高比维度,调整网络参数并提高输入图像分辨率,最后进行多尺度训练得到最优检测模型,从而检测红外视频图像序列中的行人目标,并通过候选框标注行人位置。在CVC-09红外行人数据集上进行对比实验,结果表明,改进的YOLOv3算法在红外行人检测中的准确率高达90.63%,明显优于Faster-rcnn和YOLOv3算法,且改进后的网络能够同时检测到更多目标,降低了漏检率。

基于红外热成像的行人检测已成为车辆辅助驾驶领域中的热点问题，它为白天和夜晚的无差别应用提供了可能。基准数据集是目标识别与检测的重要基础。目前因有关红外行人检测基准数据集的缺失，检测算法性能的评估只能使用自行准备的专有视频数据,这些视频数据因成像设备的各项参数和数据采集方式的不同而产生差异，往往导致检测性能评估有偏。本项目提出以建立红外热成像行人检测基准数据集为目标，研究适合红外行人视频数据标注的理解和归类规则，为建立标注信息丰富、规模充分的基准数据集提供科学依据；利用辅助集的迁移和集成学习理论，研究适应不同指定场景的行人检测方法；在此基础上，将视频标注过程分解为指定场景中的行人检测和人工校正两个交错进行的环节，研究自适应的半自动视频标注方法。通过本项，为基于红外热成像的行人检测研究提供一个统一的数据平台。

红外热成像的行人检测已成为车辆辅助驾驶领域中的热点问题，它为白天和夜晚的无差别应用提供了可能。基准数据集是目标识别与检测的重要基础，尤其目前红外行人检测基准数据集稀少和不够健全，检测算法性能的评估只能使用自行准备的专有视频数据。这些视频数据因成像设备参数和数据采集方式的不同而产生差异，导致检测性能评估有偏。本项目以建立红外热成像行人检测基准数据集为目标，完成了四个方面的工作：1) 研究适合红外行人视频数据标注的理解和归类规则，为建立标注信息丰富、规模充分的基准数据集提供科学依据；2) 利用辅助集的迁移和集成学习理论，研究适应不同指定场景的行人检测方法；3) 在前述工作的基础上，将视频标注过程分解为指定场景中的行人检测和人工校正两个交错进行的环节，研究自适应的半自动视频标注方法；4) 建立实验系统，对本项目提出的半自动标注方法进行验证。通过本项，为基于红外热成像的行人检测研究提供了统一的数据平台。

改进的 Brownian 桥式经验公式

设置参数 c 的目的是把小波包分解系数中的扰动分量与噪声分量分离。 c 的合理设置是选取阈值λ 的关键。对于噪声信号，如果令 c≥dmax，则可以实现信号与噪声分量的理想分离。因此，可以把噪声信号的 dmax看作是理想的参数值 c。在此基础上，对上述算法进行分析和改进 。

改进的概率公式

由表 1 可以看出，参数 c 虽然与噪声的方差无关，但是与采样点数 N 有关。有文献中利用概率的观点求出 c N a = −1/ 2 ln / 2 。这样设定 c 值在小波除噪算法中得到较为满意的检测结果。但是由于小波包分解系数与小波分解系数的分布不同，这样的 c 值不适用于小波包除噪。对具有相同分布特性，而采样点数不同的噪声信号进行分析，得到采样点数与 dmax 的关系曲线。其中， d1max=dmax×N。可以看出， d1max曲线的幅值保持在[160， 210]之间，而且不随采样点数的变化而变。因此，可以判断，dmax与采样点数成反比。因为可以把噪声信号的 dmax看作是理想的参数值 c，因此可以设c=dmax=k/N。