基于YOLO的视频行人检测研究

针对视频中行人检测准确率低的问题,提出一种基于YOLO的视频行人检测研究方法。首先引入YOLOv5检测器,在YOLOv5的Neck部分融合注意力模块CBAM,加强对低层特征的提取,解决视频中行人运动模糊问题,提高行人检测精度;其次引入DeepSort算法,在视频行人数据集上进行训练,实现行人跟踪;最后在DeepSort算法实现行人跟踪后引入REID技术,有效纠正行人运动轨迹,解决行人位置信息出错问题。实验结果表明：所提方法较原始算法mAP@0.5提高了2.8%,mAP@0.5:0.95提高了5.4%。