基于改进YOLOv5的密集人群检测算法
吴闻
代万涛
陈文卓
华北科技学院 电子信息工程学院,北京 东燕郊 065201
摘要：在地震、火灾、恐怖袭击等事件发生后,需要通过目标检测算法实时协助进行人员疏散和监管.但是由于人群姿态复杂,同时存在遮挡和密集分布等因素,算法精确度不足.因此本文提出一种改进的密集人群目标检测算法,在YOLOv5 的基础上分别对骨干网和Neck进行改进,引入了CBAM(Convolutional Block Attention Module)注意力机制和双向特征金字塔网络(Bidirectional Feature Pyramid Network,BiFPN),从而提升算法对特征信息提取能力,提高目标检测的准确性.最终通过与主流算法对比,证明改进后的算法参数量仅为 7.12M、计算量为 16.1GFLOPs,mAP@50高达41.7%.通过消融实验,证明在整体类别上精确率和mAP@50 提高了 17.4%、2.4%,密集人群的精确率达到41.2%,均达到了最优,为应急救援和管理提供了理论依据和数据支持.
关键词：目标检测密集人群YOLOv5注意力机制
分类号：TP391.4(计算技术、计算机技术)
资助基金：河北省省级科技计划资助项目(22375411D)河北省创新创业教育教学改革研究与实践项目(2023cxcy240)
论文发表日期：2024-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 79-87 )
英文信息