近年来,随着智慧城市的发展和视频监控的推广应用,行人检测在计算机视觉领域发挥着越来越重要的作用。行人检测是一种判断图像或视频中是否存在行人目标并对检测到的目标进行精确定位的技术,其在军用领域和民用领域均有着广阔的应用前景。由于现有的目标检测算法仍存在对目标定位不准确,漏检较多和检测精度有待提高等问题,行人目标检测一直是计算机视觉领域中的一个挑战。本文在YOLOv3的基础上,针对其在图像划分尺寸、候选框尺寸初始化和检测模块中存在的不足分别作出改进。另一方面,在实际工程中,行人检测的数据集大多来自监控或航拍视频,但市面上缺少针对视频数据的标注软件,因此本文设计并集成了一个针对视频的标注软件,并依据行人视频的特点对其做出进一步改进。本文的主要工作和创新点如下:一.本文基于行人目标在检测中存在的特点和原始YOLOv3在行人检测中存在的不足对YOLOv3提出了三点改进。首先,在图像划分尺寸方面,考虑到检测精度和检测速度的折中问题,本文通过一系列对比实验最终选取了1010?作为网络的图像划分尺寸。其次,在候选框初始化方面,本文对k-means聚类算法做出改进,通过在聚类前添加数据筛选的过程使得网络候选框的初始化尺寸更加贴合行人目标的特征。最后,在检测方面,本文在YOLOv3的检测模块中增加双密度层,提高了网络对各尺寸特征的识别能力。此外,本文将改进了检测模块的YOLOv3与原始YOLOv3在VOC数据集上进行检测对比,验证了这一改进的可泛化性。二.基于目标检测的数据集来源多为视频数据且市面上缺少针对视频数据的标注软件这一现状,本文设计并集成了针对视频数据的标注软件,又依据行人视频的特点在此基础上添加了基于帧间差的关键帧提取功能和基于边缘检测的辅助标注功能,提高了软件对视频关键帧的抓取能力和标注的准确性。最后,本文使用此软件对西安电子科技大学校园内及附近街道中的行人视频进行标注,并展示了标注结果。在检测精度方面,针对图像划分尺寸的改进将YOLOv3在行人数据集上的mAP从86.6提高到了87.1,针对候选框尺寸初始化的改进将mAP进一步提高到了87.3,针对检测模块的改进使得mAP达到了89.4。对比原始YOLOv3,本文做出的改进使得检测精度共提升了2.8%。在检测速度方面,原始YOLOv3在行人数据集上的检测速度为52.59fps,改进的YOLOv3在同样数据集上的检测速度为47.75fps,降低了9.2%。