本发明属于计算机视觉，具体涉及一种基于改进yolov3优化算法的行人检测方法。
背景技术：
1、研究自动驾驶背景下的行人检测是一个热点问题。在自动驾驶中，行人检测主要是指对车载摄像设备获取的实时视频进行检测，通过获取行人的相关信息来辅助车辆自动行驶的相关技术。
2、行人检测与一般的目标检测存在着较大差异，大多数目标检测方法并不完全适用于行人定位，主要原因有以下几点:
3、(1)小目标行人定位准确度较低。
4、(2)行人多姿态的特性导致定位准确度低。
5、(3)背景影响对检测的干扰
6、(4)目标重叠、遮挡对算法识别的影响。
7、传统的行人检测方法大都是基于一些传统的通用目标检测方法来实现的，如vj检测器、hog特征、dpm模型等，检测精度不够高。
技术实现思路
1、本发明提供了一种基于改进yolov3优化算法的行人检测方法解决上述提到的技术问题，具体采用如下的技术方案：
2、一种基于改进yolov3优化算法的行人检测方法，包含：
3、拍摄若干城市道路环境图像；
4、对拍摄的城市道路环境图像进行预处理；
5、对预处理后的城市道路环境图像进行标注得到城市道路环境数据集；
6、构建yolov3网络模型；
7、将所述yolov3网络模型中的resnet残差单元替换为resnext残差单元得到改进yolov3网络模型；
8、通过所述城市道路环境数据集对所述改进yolov3网络模型进行训练。
9、进一步地，所述对拍摄的城市道路环境图像进行预处理的具体方法为：
10、对拍摄的城市道路环境图像进行直方图均衡化。
11、进一步地，所述对拍摄的城市道路环境图像进行预处理的具体方法为：
12、将拍摄的rgb格式的城市道路环境图像压缩为灰度图像，提取灰度图像的梯度特征和形态学特征，将灰度图像作为第一波段，梯度特征图像作为第二波段及形态学特征作为第三波段。
13、进一步地，将所述城市道路环境数据集划分为训练数据集、验证数据集和测试数据集。
14、进一步地，将所述城市道路环境数据集按照7:2:1的比例划分为所述训练数据集、所述验证数据集和所述测试数据集。
15、进一步地，所述resnext残差单元将输入其中的256通道的特征图，分成32个分支，每个分支的第一个参数是输入通道数，第二个参数是卷积核大小，第三个参数是输出通道数，将这32个分支的输出特征图进行逐点相加，最后通过短连接将相加的结果与输入部分在进行相加之后输出。
16、进一步地，所述resnext残差单元在将32个分支的输出特征图进行逐点相加之后，再在经过2倍上采样，最后将这32个分支的输出特征图进行逐点相加，最后通过短连接将相加的结果与输入部分在进行相加之后输出。
17、进一步地，在训练所述改进yolov3网络模型的过程中，采用ciou损失的方法，ciou损失方法具体计算公式如下所示：
18、
19、
20、
21、公式中，d是预测框与真实框中心坐标的欧式距离，c是包含预测框和真实框的最小闭包矩形的对角线长度，a是大于0的权重系数，v是度量预测框与真实框宽高比的一致性参数。
22、进一步地，在训练所述改进yolov3网络模型的过程中，采用mish激活函数，mish函数的表达式如下：
23、δ(x)＝xtanh(ln(1+ex)
24、进一步地，在训练所述改进yolov3网络模型的过程中，采用relu函数，relu函数的表达式如下：
25、
26、本发明的有益之处在于所提供的基于改进yolov3优化算法的行人检测方法，采用了改进yolov3网络模型进行行人检测，使用resnext的单元结构替换yolov3网络结构中的resnet残差单元，解决了模型随着网络深度加深，训练的收敛速度会变慢，性能下降的问题。
27、本申请的有益之处还在于所提供的基于改进yolov3优化算法的行人检测方法，采用了ciou改进损失函数，使得模型在训练的过程中更加注重困难样本的训练，解决了行人存在遮挡导致yolov3模型容易出现漏检和误检的情况。
28、本申请的有益之处还在于所提供的基于改进yolov3优化算法的行人检测方法，采用了改进的激活函数mish函数，解决了原relu函数存在的在x＝0左右时两侧会产生不连续的梯度变化，避免了梯度饱和导致的训练速度下降，加快了训练速度。
1.一种基于改进yolov3优化算法的行人检测方法，其特征在于，包含：
2.根据权利要求1所述的基于改进yolov3优化算法的行人检测方法，其特征在于，
3.根据权利要求2所述的基于改进yolov3优化算法的行人检测方法，其特征在于，
4.根据权利要求1所述的基于改进yolov3优化算法的行人检测方法，其特征在于，
5.根据权利要求4所述的基于改进yolov3优化算法的行人检测方法，其特征在于，
6.根据权利要求1所述的基于改进yolov3优化算法的行人检测方法，其特征在于，
7.根据权利要求6所述的基于改进yolov3优化算法的行人检测方法，其特征在于，
8.根据权利要求1所述的基于改进yolov3优化算法的行人检测方法，其特征在于，
9.根据权利要求1所述的基于改进yolov3优化算法的行人检测方法，其特征在于，
10.根据权利要求1所述的基于改进yolov3优化算法的行人检测方法，其特征在于，
