改进YOLOv7算法在火灾现场行人检测中的应用

Chinese

您当前的位置：

首页 >

文章列表页 >

改进YOLOv7算法在火灾现场行人检测中的应用

更新时间：2025-09-11

- 改进YOLOv7算法在火灾现场行人检测中的应用
- Issue 7, Pages: 165-168(2023)
- 作者机构：
  
  东北林业大学计算机与控制工程学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2023)07-0165-04
  CLC： TU998.1;TP391.41
- Published：2023
- 稿件说明：
移动端阅览
[J]. 2023, (7): 165-168.
DOI：

[J]. 2023, (7): 165-168. DOI： 10.13873/J.1000-9787(2023)07-0165-04.

摘要

提出了一种改进的基于YOLOv7的火灾现场行人检测算法。首先，利用自动色阶算法对火灾现场图像进行预处理；然后，采用HorBlock与CSPNet构造HorBc模块，改进YOLOv7网络结构，加强特征提取能力；同时融合CBAM注意力机制，增加行人特征区域学习权重。实验结果表明：在收集的火灾现场行人数据集上平均精度为97.1%

召回率为95.6%

精确率达到了97.6%;相比原始YOLOv7算法，平均精度提升了1.5%

召回率提升了2.4%

精确率提升了1.8%

在实时性上达到了36.7 fps

满足实时性要求。

Abstract

关键词

Keywords

references

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks.[J]. Ren Shaoqing;He Kaiming;Girshick Ross;Sun Jian.IEEE transactions on pattern analysis and machine intelligence,2017

基于YOLOv5的林业有害生物检测与识别[J]. 孙丽萍;谭少亨;周宏威;邹青池.森林工程,2022(05)

融合注意力机制的YOLOv5口罩检测算法[J]. 李小波;李阳贵;郭宁;范震.图学学报,2023(01)

基于YOLO v3的地面垃圾检测与清洁度评定方法[J]. 王一田;唐开强;留沧海;刘东.传感器与微系统,2022(04)

基于暗通道先验和优化自动色阶的图像去雾算法[J]. 庄秀玲;谭福奎;李震;李良荣.计算机应用与软件,2021(07)

基于YOLO v3的交通标志牌检测识别[J]. 潘卫国;刘博;陈英昊;石洪丽.传感器与微系统,2019(11)

0

Views

842

下载量

1

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Related Articles

基于遮挡感知的行人检测与跟踪算法

Optimization and implementation of pedestrian detection system in surveillance video based on DSP

Related Author

李颀

王娇

邓耀辉

YANG Liu

LU Jinzheng

Related Institution

陕西科技大学电子信息与人工智能学院

陕西科技大学电气与控制工程学院

School of Information Engineering,Southwest University of Science and Technology

⁰