典型文献
基于改进YOLOv4的行人鞋部检测算法
文献摘要：
结合现场鞋印和周边监控视频锁定犯罪嫌疑人是公安机关刑事侦查破案的一种重要技战法,然而该技战法自动化程度低、耗时耗力,限制了应用范围.针对这一问题,本文提出一种基于YOLOv4算法的目标检测方法,可实现对监控视频下行人鞋部的自动检测.根据行人鞋部区域的特点,首先使用K-means聚类算法获得先验框尺度,并确定其数量;然后根据构建的数据集选取合适的检测层以强化对鞋部特征的学习;最后,通过多尺度特征融合,将调整后的空间金字塔池化结构迁移到剪枝后的网络内,增强模型的学习能力.结果表明,提出的YOLOv4_shoe算法训练权重仅为39.56 MB,参数量约为原模型的六分之一,mAP值达到了97.93％,比原YOLOv4模型提升了2.07％.
文献关键词：
图像处理;鞋部检测;YOLOv4;特征融合;空间金字塔池化;视频监控
中图分类号：
作者姓名：
杨智雄;唐云祁;张家钧;耿鹏志
作者机构：
中国人民公安大学侦查学院,北京100038
文献出处：
引用格式：
[1]杨智雄;唐云祁;张家钧;耿鹏志-.基于改进YOLOv4的行人鞋部检测算法)[J].激光与光电子学进展,2022(08):111-120
A类：
鞋部检测
B类：
YOLOv4,检测算法,鞋印,监控视频,犯罪嫌疑人,公安机关,刑事侦查,侦查破案,技战法,耗力,目标检测方法,自动检测,means,聚类算法,先验框,检测层,多尺度特征融合,空间金字塔池化,剪枝,增强模型,shoe,算法训练,MB,参数量,六分之一,mAP,视频监控
AB值：
0.359211
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
