成玉榮 胡海洋

摘? ?要：卷積神經(jīng)網(wǎng)絡已經(jīng)成為了計算機視覺處理最為廣泛的技術方法，基于卷積神經(jīng)網(wǎng)絡的目標檢測技術也是一個熱門的研究話題。本文通過引入通道注意力機制，對目標檢測算法Tiny-YOLOv3進行改進，訓練人體頭部的目標檢測模型，從而統(tǒng)計當前監(jiān)控環(huán)境下的人數(shù)。實驗結果表明該方法能取得較好的頭部檢測效果，人數(shù)統(tǒng)計準確率高。

關鍵詞：卷積神經(jīng)網(wǎng)絡? Tiny-YOLOv3? 頭部檢測? 人數(shù)統(tǒng)計

Abstract： Convolutional neural networks have become the most widespread technical method for computer vision processing. Object detection technology based on convolutional neural networks is also a hot research topic. This paper introduces the channel attention mechanism to improve the object detection algorithm Tiny-YOLOv3， and trains head detection model to count the number of people in the current monitoring environment. The experimental results show that this method can achieve a good head detection effect， and the people counting accuracy is high.

Key Words： Convolutional neural networks; Tiny-YOLOv3; Head detection; People counting

人數(shù)統(tǒng)計問題是近年來計算機視覺領域研究熱點之一，在現(xiàn)實生活中具有廣泛應用。如政府管理部門根據(jù)旅客流量對交通資源進行合理分配;醫(yī)院門診流量有助于總結病人就診規(guī)律，合理分配醫(yī)護資源;對人數(shù)密集情況進行預警，能夠有效減少踩踏等公共安全事故的發(fā)生。公共場所的人數(shù)統(tǒng)計分析對于公共資源分配以及商業(yè)決策具有重要的參考價值。在人數(shù)統(tǒng)計的眾多方法中，計算機視覺處理方案在已有監(jiān)控系統(tǒng)資源實現(xiàn)再挖掘利用，不需要安裝專門檢測設備， 具有成本低、實時性高等優(yōu)勢。本文基于深度卷積神經(jīng)網(wǎng)絡構建的具有通道注意力機制的Tiny-YOLOv3目標檢測算法，在SCUT-HEAD公開數(shù)據(jù)集上訓練人體頭部檢測模型，實現(xiàn)公共場合的人數(shù)統(tǒng)計。

1? 卷積神經(jīng)網(wǎng)絡

卷積神經(jīng)網(wǎng)絡是受生物學上感受野的機制而提出的，感受野主要是指視覺、聽覺等神經(jīng)系統(tǒng)中一些神經(jīng)元的特性，即神經(jīng)元只接受其支配的刺激區(qū)域內(nèi)的信號。卷積神經(jīng)網(wǎng)絡一般包括輸入層、卷積層、激活層、池化層，其中卷積層是卷積神經(jīng)網(wǎng)絡的核心組件，它的作用是對輸入數(shù)據(jù)進行特征提取，利用卷積核矩陣對原始數(shù)據(jù)中的隱含關聯(lián)性進行抽象。激活層負責對卷積層抽取的特征進行激活，由于卷積操作是把輸入圖像和卷積核進行相應的線性變換，需要引入非線性函數(shù)對其進行非線性映射。池化層就是對特征圖進行子采樣，負責對感受域內(nèi)的特征進行篩選，提取區(qū)域內(nèi)最具代表性的特征，能夠有效地降低輸出特征的尺度，進而減少模型所需要的參數(shù)量。卷積神經(jīng)網(wǎng)絡具有三個特性：局部連接、權重共享以及子采樣，這些特性使得卷積神經(jīng)網(wǎng)絡具有一定程度上的平移、縮放和旋轉不變性，符合人的視覺特點，和一般的前饋神經(jīng)網(wǎng)絡相比，卷積神經(jīng)網(wǎng)絡的稀疏連接及權值共享模式，具有更少的參數(shù)量，能夠有效提高訓練速度。

2? 目標檢測算法

2.1 YOLO模型

YOLO系列算法是單階段目標檢測算法的主要代表算法之一，經(jīng)歷了三個版本的變更，YOLOv1提出通過網(wǎng)格劃分做檢測，目標中心點在哪個網(wǎng)格，該網(wǎng)格就負責檢測這個目標，顯著提升了檢測速度。YOLOv2在網(wǎng)格約束的基礎上應用了anchor機制，通過預設不同尺度的先驗框使目標檢測器專注于檢測與先驗框形狀相近的物體，同時采用了批標準化作為正則化、加速收斂和避免過擬合的方法。YOLOv3采用了深層卷積神經(jīng)網(wǎng)絡作為特征提取的主干網(wǎng)絡，在YOLOv2的基礎上，借鑒特征金字塔網(wǎng)絡的多尺度思想，設計了三個不同尺度的檢測層，并為每個檢測層分配3個先驗框，YOLOv3通過邊框回歸預測的方式預測物體位置，解決了先驗框機制線性回歸不穩(wěn)定的問題。

2.2 Tiny-YOLOv3模型

Tiny-YOLOv3是輕量化的YOLOv3，Tiny-YOLOv3主要是由卷積層和池化層拼接而成，其模型結構如圖1所示。模型輸入圖像分辨率為416×416×3，經(jīng)過一系列的卷積與池化操作對圖像進行特征提取，圖中長方體為提取到的特征圖，下方數(shù)字為當前特征圖的寬高與通道數(shù)，它同樣融合了特征金字塔網(wǎng)絡的多尺度思想，在26×26、13×13兩個尺度的特征圖上進行預測，通過對兩個檢測層上所有的預測框進行非極大值抑制去除冗余框，獲取最終有效的預測框。Tiny-YOLOv3模型結構簡單，檢測精度高，速度快。

2.3 對 Tiny-YOLOv3改進

因特征圖不同通道信息對檢測結果貢獻度不同，本文引入通道注意力模塊對特征圖各個通道間的依賴性進行建模，其結構如圖2所示，首先對卷積得到的特征圖進行全局池化得到一個與通道數(shù)一致的一維向量，接著通過全連接層與激活層實現(xiàn)維度的變換與數(shù)值的非線性變換，再利用一個全連接層使其維度恢復，這個過程相當于一次編解碼操作，最后利用sigmoid函數(shù)激活使其范圍在0-1之間，該一維向量作為每個通道的評價分數(shù)，用來衡量每個通道的重要性，將該分數(shù)分別施加到輸入特征圖的各個通道上，得到具有通道注意力的特征圖。在Tiny-YOLOv3所有的卷積層后，添加通道注意力模塊，使其關注重要特征并抑制不必要的特征，從而提高目標檢測的準確率。

3? 實驗

3.1 數(shù)據(jù)準備

訓練數(shù)據(jù)采用的是SCUT-HEAD公開數(shù)據(jù)集，共計4340張圖片，為了提高訓練模型的魯棒性，對數(shù)據(jù)集進行了如下的數(shù)據(jù)增廣：（1）旋轉角度;（2）隨機裁剪;（3）曝光度調整;（4）飽和度調整。采用以上四種方式豐富數(shù)據(jù)集，生成更多的訓練樣本，從而使網(wǎng)絡學習到更多的信息。

3.2 K-means聚類

在訓練網(wǎng)絡時，需要預設先驗框的初始大小和個數(shù)，使用接近真實框的先驗框，更容易加快網(wǎng)絡收斂的速度，提高頭部檢測的定位精度。K-means聚類算法采用歐氏距離來衡量兩點之間的距離，本文對數(shù)據(jù)集中目標框寬高利用K-means算法進行聚類，找到接近數(shù)據(jù)樣本的先驗框。

3.3 模型訓練

實驗軟件環(huán)境：Python3.6.8;OpenCV3.4.1;Pytorch1.1。 硬件環(huán)境：CPU： Intel Xeon E5-2620 v3 @ 2.40 GHz六核;內(nèi)存： DDR4 64G;GPU： Nvidia GeForce GTX TITAN X。將增廣后的數(shù)據(jù)集以7：3隨機分為訓練集與驗證集，利用添加了通道注意力機制的Tiny-YOlOv3進行交叉驗證訓練273個epoch，訓練過程如圖3所示，損失最低在0.6左右，平均檢測精度高達80%，實際檢測效果如圖4所示，頭部檢測精準人數(shù)統(tǒng)計準確率高。

4? 結語

添加了通道注意力機制的Tiny-YOLOv3在人體頭部檢測上取得了較高的準確率，對于公共場所進行人數(shù)統(tǒng)計具有較高的應用價值。在接下來的工作中將著重傾向于將注意力機制引入更多的目標檢測算法，測試其在小目標檢測方面的有效性。

參考文獻

[1] 周飛燕，金林鵬，董軍.卷積神經(jīng)網(wǎng)絡研究綜述[J].計算機學報，2017，40（6）：1229-1251.

[2] Redmon J， Farhadi A. Yolov3： An incremental improvement[J]. arXiv preprint arXiv：1804.02767， 2018.

[3] Hu Jie，Shen Li，Albanie Samuel，Sun Gang， et al. Squeeze-and-Excitation Networks.[J]. IEEE transactions on pattern analysis and machine intelligence，2019.

[4] 王小鵬， 渠燕紅， 馬鵬等. 基于頭部圖像特征的人流計數(shù)方法[J]. 鐵道學報， 2019， 41（2）：82-87.

[5] 鞠默然， 羅海波， 王仲博等. 改進的YOLO V3算法及其在小目標檢測中的應用[J]. 光學學報， 2019， 39（7）.