基于YOLOv4-tiny 的電梯內(nèi)電動車檢測模型

陳琳 CHEN Lin；陳傳敬 CHEN Chuan-jing；張鵬 ZHANG Peng

（山東科技職業(yè)學院，濰坊 261053）

0 引言

近年來，因電動自行車入戶充電造成的火災頻發(fā)，嚴重威脅人民群眾生命財產(chǎn)安全。2021年5月10 日晚，四川成都叢樹家園小區(qū)突發(fā)電瓶車在電梯內(nèi)爆燃事故，造成數(shù)人受傷，包括1 名嬰兒。雖然，2019年7月1日，國家四部委聯(lián)合下發(fā)通知，堅決整治電動自行車“進樓入戶”“人車同屋”“飛線充電”等突出問題。但是因為具體操作難度太大，嚴令禁止的充電行為依舊存在。電梯作為電動自行車入戶的主要運輸工具，如果能夠通過電梯監(jiān)控設(shè)備對電動自行車進行檢測并提示，將大大降低電動自行車入戶情況的發(fā)生，降低火災發(fā)生的風險。

目標檢測是計算機視覺中比較重要的研究方向，其主要任務是在給定的圖片中識別出目標并確定其位置。因為給定圖片中目標數(shù)量不定，且檢測出的目標位置要精確，因此目標檢測任務相比較與其他計算機視覺任務更復雜。如果能夠在電梯監(jiān)控設(shè)備中嵌入一套目標檢測系統(tǒng)，那么電梯監(jiān)控將能夠快速的檢測出電梯中的電動自行車，從而能夠做出實時決策。

1 相關(guān)研究

當前目標檢測可分為基于傳統(tǒng)的目標檢測和基于深度學習的目標檢測，傳統(tǒng)的目標檢測算法需要手動設(shè)置特征及分類器。通過不同大小的滑動窗口對整幅圖像進行候選區(qū)域的設(shè)定，然后再將候選區(qū)域作為輸入送到認為設(shè)置好的特征提取模塊進行特征提取，最后將提取到的特征送入到已經(jīng)訓練好的分類器中進行分類。分類過程如圖1 所示。

圖1 傳統(tǒng)目標檢測算法流程圖

傳統(tǒng)的目標檢測算法利用滑動窗口產(chǎn)生候選區(qū)域的方式進行特征提取，需要定義大量的候選口，并且存在候選框重疊的部分，這種策略導致效率比較低。因為需要用到人為設(shè)計所以相比較于其他算法傳統(tǒng)的目標檢測算法更加依賴于經(jīng)驗，人為設(shè)置的特征不多且算法的魯棒性較差。

另一種基于深度學習的目標檢測算法是目前研究的熱點，基于深度學習的目標檢測分為兩類one-stage 和two-stage。Two-stage 為基于候選區(qū)域的目標檢測器，算法需要分兩步完成，首先需要獲取候選區(qū)域，然后進行分類，包括Fast R-CNN、Faster R-CNN 和FPN 等。One-stage 檢測為單次檢測器，可以理解為一步到位，不需要單獨尋找候選區(qū)域，包括YOLO、SSD 等，它們都是目前最優(yōu)秀的目標檢測算法。

基于候選區(qū)域的目標檢測如R-CNN，首先會在圖像上生成一個候選框，然后在候選框上運行分類器進行分類，分類完成后進行邊框細化以及消除重復檢測，并且根據(jù)圖像的具體場景中可能存在的其他目標重新定義邊框。具體過程如圖2 所示。

圖2 two-stage 目標檢測算法流程圖

基于候選區(qū)域的檢測算法檢測準確率相對較高，但是算法相對復雜，流程相對較慢，針對圖像中存在的每個目標需要進行單獨的訓練，算法的優(yōu)化難度較大，需要用到的檢測時間更多，不利于實時的目標檢測。

One-stage 方法省去了two-stage 方法中的確定候選區(qū)域步驟直接生成目標的類別概率和坐標位置，通過一次檢測即可得到最終的檢測結(jié)果，其檢測流程如圖3 所示。主流的one-stage 目標檢測算法有YOLO 和SSD。

圖3 one-stage 目標檢測算法流程圖

YOLO 算法將目標檢測表示為單一的回歸問題，直接從像素到邊界框坐標和類概率?？梢岳脝蝹€卷積網(wǎng)絡(luò)同時預測盒子的多個邊界框和類概率。YOLO 可以在全圖像上訓練模型并直接進行優(yōu)化檢測性能,這種統(tǒng)一的模型比傳統(tǒng)的目標檢測方法有一些好處。

首先，YOLO 速度非?？?。由于YOLO 將檢測視為回歸問題，所以不需要復雜的流程，目標檢測速度比傳統(tǒng)算法模型要快。其次，與基于候選區(qū)域的算法不同，YOLO 隱式地編碼了目標類別的上下文信息。和fast R-CNN 相比，YOLO 的背景誤檢數(shù)量少了一半。第三，YOLO 學習目標的泛化表示，應用于新領(lǐng)域或碰到意外的輸入時不太可能出故障。

盧迪[1]等人利用YOLOv4-tiny 算法識別手勢，姚銳琳[2]等人利用YOLOv4-tiny 算法進行行人視頻檢測，叢玉華[3]等人利用YOLOv4-tiny 算法進行安全帽的檢測，化嫣然[4]等利用YOLOv4-tiny 算法對航拍圖像進行車輛檢測。

2 模型搭建

2.1 YOLO 簡史

Redmon J[6]等人在CVPR2016 首次提出yolo 算法YOLOv1，開辟了單階段目標檢測算法的先河。其目標檢測步驟為：將一幅多目標圖像劃分為多個網(wǎng)格，通過網(wǎng)絡(luò)得到每個網(wǎng)格的分類概率、預測框和置信度，將每個框中的概率與置信度相乘，得到每個框特定于每個類的置信分數(shù)，輸出目標位置和類別信息。

YOLOv1 將目標檢測看作是回歸問題，用一個網(wǎng)絡(luò)實現(xiàn)位置輸出與類別檢測，實現(xiàn)了一個統(tǒng)一系統(tǒng)，從目標檢測的角度來看是單階段的。算法檢測速度快，能夠滿足高精度實時目標檢測的需求；基于圖像全貌進行預測而不是基于部分圖像，可以充分考慮外觀上下文信息；泛化能力好，當訓練集與測試集類型不同時，有較好的適應性，應用于新領(lǐng)域時出現(xiàn)崩潰情況較少，可移植性好。YOLOv1 雖然檢測速度快，但在定位方面不夠準確，并且召回率較低。

YOLOv2[7]采用了①新的主干網(wǎng)絡(luò)Darknet-19，主要采用3*3 的卷積，利用1*1 卷積來降維。相比較于v1 中采用的主干網(wǎng)絡(luò)GoogleNet，降低了模型的計算量和參數(shù)，有了更快的速度。②增加路由層，來融合底層圖像的特征，進一步提高檢測精度。在與訓練階段，先采用224*224 的數(shù)據(jù)輸入，然后再將輸入調(diào)整為448*448，以此來讓模型適應高分辨率數(shù)據(jù)的輸入，提高檢測平均準確率。③將v1 中使用的全連接層刪除，使用卷積和Faster R-CNN 中的先驗框策略來預測邊界框，使用K-means 方法對邊界框進行聚類，得到更合適的錨點框。④通過多尺度訓練，解決不同圖片大小輸入的問題，得到較好的預測效果。

YOLOv3[8]將主干網(wǎng)絡(luò)從v2 的Darknet-19 改為Darknet-53，加深了網(wǎng)絡(luò)結(jié)構(gòu)。不再使用原來的池化操作改為使用殘差的跳層連接，用步長為2 的卷積來進行下采樣。仍然采用K-means 方法對邊界框進行聚類，得到更合適的錨點框。雖然檢測精度有所提高，但是檢測速度卻有所下降。

YOLOv4[9]將 v3 中 的 Darknet -53 替 換 為CSPDarknet53，將原來的激活函數(shù)Leakly 改為Mish；在網(wǎng)絡(luò)中加入SPP 結(jié)構(gòu)，增大感受野，提高網(wǎng)絡(luò)特征的傳達能力，節(jié)省網(wǎng)絡(luò)訓練時間；通過新的數(shù)據(jù)增強算法Mosaic 進行數(shù)據(jù)增強。

YOLOv4-tiny 是YOLOv4 的簡化版，訓練參數(shù)為YOLOv4 的十分之一，隨著訓練參數(shù)的減少，檢測速度要比YOLOv4 更好。當然更少的參數(shù)以及更快地速度都是用準確率換來的。因為YOLOv4-tiny 只保留了2 個預測分支，所以對于小物體的檢測以及出現(xiàn)多目標折疊情況時檢測效果不好，但是對于獨立的物體檢測效果還是很好的。

本文選擇YOLOv4-tiny 作為目標檢測的原因有2 個。①相比較于其他的目標檢測算法，YOLOv4-tiny 參數(shù)量比較少，檢測速度快，能夠比較方便的部署在電梯監(jiān)控系統(tǒng)內(nèi)；②本文的使用場所相對固定，且電動自行車的尺寸大小相對固定，不會存在太大的差異。因此訓練數(shù)據(jù)與真實場景數(shù)據(jù)尺寸不會有較大差異，從算法的角度考慮，這種情況下不需要太多的不同尺寸的特征層進行目標檢測。

2.2 模型設(shè)計

2.2.1 網(wǎng)絡(luò)結(jié)構(gòu)

YOLOv4-tiny 是YOLOv4 的簡化版，YOLOv4-tiny 的訓練參數(shù)有5918006 個，而YOLOv4 的訓練參數(shù)有64363101?？梢钥闯鯵OLOv4-tiny 的訓練參數(shù)是YOLOv4訓練參數(shù)的1/10，大大精簡了網(wǎng)絡(luò)結(jié)構(gòu)在進行目標檢測是，YOLOv4-tiny 的檢測速度明顯高于YOLOv4。其網(wǎng)絡(luò)結(jié)構(gòu)如圖4 所示。

圖4 YOLOv4-tiny 網(wǎng)絡(luò)結(jié)構(gòu)圖

YOLOv4-tiny 主要由CSPdarknet53_tiny 和FPN 兩部分組成。CSPdarknet53_tiny 作為主干網(wǎng)絡(luò)，用于對圖像候選框進行分類和坐標預測。FPN 主要解決的是物體檢測中的多尺度問題，通過簡單的網(wǎng)絡(luò)連接改變在不增加原有模型計算量的前提下，大幅度提升物體檢測的性能[10]。

CSPdarknet53_tiny 網(wǎng)絡(luò)主要包含CBL 結(jié)構(gòu)與CSP 結(jié)構(gòu)。其中CBL 結(jié)構(gòu)主要由卷積層（Conv）、批量標準化層（BN）和激活函數(shù)LeakyReLU 組成。LeakyReLU 可以解決神經(jīng)元“死亡”問題，其公式為：

CSP 結(jié)構(gòu)輸入特征在殘差塊堆疊通道旁再增加一條殘差邊通道，然后將兩個通道進行Concat 操作后輸出結(jié)果。CSP 結(jié)構(gòu)如圖5 所示。

圖5 CSP 結(jié)構(gòu)圖

主干網(wǎng)絡(luò)會將13×13 的特征層進行上操作后與26×26 的特征層進行融合，提高特征提取能力，最后會分別生成通道數(shù)為na×（nc+5）的兩個輸出通道，na 代表錨框數(shù)量；nc 為類別數(shù)。26×26 的通道預測小目標，13×13 的通道預測大目標[5]。

2.2.2 檢測模型

檢測模型如圖6 所示。具體步驟為：

圖6 檢測模型

①訓練階段：

1）獲取視頻數(shù)據(jù)（包含電動自行車）；

2）將視頻數(shù)據(jù)通過OpenCV 技術(shù)分割為視頻幀；

3）通過濾波，去模糊等算法進行視頻幀數(shù)據(jù)增強；

4）將處理好的數(shù)據(jù)輸入到Y(jié)OLOv4-tiny 算法中進行訓練，得到訓練模型。

②檢測階段：

1）將實時視頻數(shù)據(jù)輸入；

2）將實時視頻數(shù)據(jù)分割為視頻幀；

3）對視頻幀數(shù)據(jù)進行去噪處理，提高檢測率；

4）將處理好的視頻幀送入訓練好的檢測模型；

5）判定是否有電動自行車；

6）如果有電動自行車，則報警提示，電梯門常開，直到檢測不到電動自行車；

7）如果沒有電動自行車，則電梯門關(guān)閉，電梯正常運行。

3 結(jié)束語

本文利用YOLOv4-tiny 算法檢測速度快的優(yōu)點，模型訓練參數(shù)少，能夠適用于嵌入式設(shè)備中等特點對電梯內(nèi)電動自行車進行實時檢測，能夠很好的解決電動自行車入戶充電的問題。