针对当前行人检测方法实时性和精度不能同时兼顾的问题,提出基于YOLOv3改进的实时行人检测算法。本算法对YOLOv3模型进行改进,融入标签平滑,增加多个尺度检测,并采用k-means算法得到模型中的anchors值,实现自动学习行人特征。通过在Caltech数据集上测试结果表明,改进后的YOLOv3行人检测算法mAP(mean Average Precision)达到了91.68%。在分辨率1 920×1 080的视频下,运行速度超过每秒40帧,满足实时行人检测的需求。在Daimler、INRI

针对闯红灯经常带来严重交通事故的现象，提出一种基于YOLOv3的闯红灯行人数统计解决方案。该方案分为前端图像处理和后端数据统计两个部分，主要包括实时视频采集、红绿灯时间检测、行人检测和数据统计。系统对YOLOv3算法进行了改进，使用VOC数据集训练了只仅能检测人物的模型并且将视频流抽帧检测，大大提高了运算的实时性，同时增加了框选人物的数量统计和方框坐标信息的实时返回，实现了行人闯红灯的数量统计。后台数据通过文件操作将关键信息存储起来。实际操作中，系统具有良好的实时性和准确性，能为城市管理者规划交