耿帥帥，廖濤，劉喚喚

（安徽理工大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院，安徽 淮南 232001）

0 引 言

寵物犬在人們的日常生活中扮演著很重要的角色，然而人們帶著寵物犬散步時(shí)，常常因?yàn)槟承┰驅(qū)櫸锶粻坷K，給其他行人的安全帶來(lái)了很大的威脅。因此公共場(chǎng)景下對(duì)未牽繩寵物犬的監(jiān)管力度應(yīng)該加大。由于遛犬時(shí)間不定與巡查人力少等原因，人工檢測(cè)難度較大，對(duì)基于網(wǎng)絡(luò)的、高效的寵物犬牽繩檢測(cè)變得愈發(fā)重要。因此急需實(shí)現(xiàn)基于網(wǎng)絡(luò)的、高效的寵物犬牽繩自動(dòng)動(dòng)態(tài)的目標(biāo)檢測(cè)。

近些年來(lái)，隨著計(jì)算機(jī)計(jì)算能力的提升與計(jì)算機(jī)視覺對(duì)圖像、視頻提取特征方式的改變，基于深度學(xué)習(xí)目標(biāo)檢測(cè)算法（如Faster R-CNN、SSD）的檢測(cè)精度得到較大的提升且識(shí)別效果較好，目標(biāo)檢測(cè)算法在動(dòng)植物檢測(cè)方面有廣泛的應(yīng)用前景。

目前，主流的深度學(xué)習(xí)模型在動(dòng)植物檢測(cè)中取得了不錯(cuò)的效果，例如：楊等人提出一種融合坐標(biāo)注意力機(jī)制的YOLOv4網(wǎng)絡(luò)模型對(duì)奶牛面部進(jìn)行識(shí)別，達(dá)到了不錯(cuò)的效果；權(quán)等人使用減少?gòu)埩康腨OLOv4模型對(duì)采集的農(nóng)田苗草數(shù)據(jù)進(jìn)行訓(xùn)練，實(shí)現(xiàn)了苗草的高效識(shí)別；吳等人在YOLOv5模型中引入跳轉(zhuǎn)連接與注意力機(jī)制，解決真實(shí)近海環(huán)境下珊瑚礁底棲生物識(shí)別效果差的問(wèn)題；劉等人設(shè)計(jì)了一種含有殘差模塊的darknet-20主干網(wǎng)絡(luò)且融合多尺度檢測(cè)模塊，提升了復(fù)雜環(huán)境下番茄果實(shí)的檢測(cè)精度。

然而在寵物犬牽繩方面的應(yīng)用還存在以下問(wèn)題：比如公開數(shù)據(jù)集噪點(diǎn)嚴(yán)重，可用樣本較少；寵物犬毛發(fā)旺盛且與犬主人靠近，采集照片存在繩子被遮擋，檢測(cè)難度高等。針對(duì)以上問(wèn)題，本文在對(duì)公開數(shù)據(jù)集擴(kuò)充的基礎(chǔ)上，首先通過(guò)網(wǎng)絡(luò)爬取了部分?jǐn)?shù)據(jù)集，與篩選出的符合要求的公開數(shù)據(jù)集進(jìn)行組合，構(gòu)成了本文自制數(shù)據(jù)集；其次，本文通過(guò)修改骨干特征提取網(wǎng)絡(luò)添加坐標(biāo)注意力機(jī)制方法，提出了一種改進(jìn)的YOLOv5模型，基于原YOLOv5的在寵物檢測(cè)方面的缺陷，參考犬類牽繩數(shù)據(jù)在實(shí)際檢測(cè)中存在的問(wèn)題和需求，改進(jìn)的YOLOv5模型在犬類目標(biāo)識(shí)別與實(shí)時(shí)捕捉定位能較好的滿足本文的需求。

1 相關(guān)工作

1.1 YOLOv5模型

YOLOv5模型是目前主流的一階段深度學(xué)習(xí)目標(biāo)檢測(cè)算法，該模型主要是由輸入端（Input）、主干網(wǎng)絡(luò)（Backbone）、特征融合（Neck）、檢測(cè)端（Detect）四部分組成，如圖1所示。Input模塊對(duì)輸入的圖片進(jìn)行自適應(yīng)縮放、拼接等操作，自適應(yīng)地找出最優(yōu)的錨框進(jìn)行檢測(cè)；Backbone模塊的FOCUS、CBL、CSP1、SPP操作對(duì)圖片不同尺度的特征進(jìn)行提取與聚合，提煉出13×13、26×26、52×52三種尺度的特征圖；Neck模塊采用了FPN+PAN的網(wǎng)路結(jié)構(gòu)對(duì)上層不同尺度的信息進(jìn)行融合，F(xiàn)PN層自頂向下的對(duì)圖片進(jìn)行上采樣從而與主干網(wǎng)絡(luò)的特征進(jìn)行特征融合，為了提高上層尺度信息的表現(xiàn)力，借助PAN結(jié)構(gòu)把特征信息由下向上傳遞以達(dá)到上層尺度融合更多的特征，通過(guò)FPN+PAN的結(jié)構(gòu)可以對(duì)主干網(wǎng)絡(luò)和檢測(cè)網(wǎng)絡(luò)提取的特征進(jìn)行聚合，提高網(wǎng)絡(luò)特征融合的能力；最后，Detect模塊根據(jù)上層的三種尺度的候選框?qū)D像的特征進(jìn)行預(yù)測(cè)，生成邊界框、置信度以及定位識(shí)別。

圖1 YOLOv5網(wǎng)絡(luò)模型結(jié)構(gòu)圖

1.2 引入注意力機(jī)制SENET

為了提升模型對(duì)局部特征的關(guān)注程度，在模型的骨干特征提取網(wǎng)絡(luò)中引入了通道注意力模型SENet模塊，如圖2所示。該模型結(jié)合了注意力機(jī)制的特點(diǎn)，強(qiáng)化了對(duì)主要特征的關(guān)注度，以期達(dá)到誤檢與漏檢的目標(biāo)。

圖2 通道注意力模型

SENet由Squeeze、Excitation與Reweight三個(gè)子模塊組成。其中，Squeeze是SENet的壓縮模塊，由一個(gè)全局平均池化Globe Average Pooling構(gòu)成，主要負(fù)責(zé)對(duì)特征圖的壓縮以及提高感受野；Excitation模塊使用兩個(gè)全連接層以及一個(gè)權(quán)重調(diào)節(jié)激活函數(shù)對(duì)通道之間的相關(guān)性進(jìn)行顯式的建模，權(quán)重調(diào)節(jié)部件通過(guò)參數(shù)來(lái)為每個(gè)特征通道生成權(quán)重，這些特征參數(shù)也稱為特征響應(yīng)值，被顯示的學(xué)習(xí)用以去抑制對(duì)當(dāng)前模塊不重要特征的權(quán)值以達(dá)到減小損失的效果；Reweight模塊為模型的特征重定向?qū)?，能夠?qū)ι蠈觽鬏敊?quán)重的結(jié)果進(jìn)行通道上的定向加權(quán)，逐通道的進(jìn)行賦值并對(duì)初始特征進(jìn)行權(quán)值賦予，以此作為本模塊的輸出。

2 實(shí)驗(yàn)過(guò)程及結(jié)果分析

2.1 數(shù)據(jù)采集與預(yù)處理

寵物犬牽繩數(shù)據(jù)集一部分來(lái)自Kaggle競(jìng)賽貓狗圖像數(shù)據(jù)2 000張，另一部分鑒于本文的檢測(cè)環(huán)境為公共場(chǎng)景下對(duì)未牽繩寵物犬的識(shí)別，采用網(wǎng)絡(luò)爬蟲的技術(shù)爬取了特定公共場(chǎng)景（公園、馬路、小區(qū)）下的圖片2 000張與對(duì)此圖片進(jìn)行數(shù)據(jù)增強(qiáng)擴(kuò)充500張。

由于公共場(chǎng)景遛寵物犬時(shí)間與天氣狀況不一，晴天、多云、陰天、下午、晚上等，因此，為提高模型對(duì)公共場(chǎng)景下檢測(cè)寵物犬圖像的魯棒性，將圖像進(jìn)行色域調(diào)整，將HSV（Hue，Saturation，Value）顏色模型中的色調(diào)（H）、飽和度（S）、明度（V）進(jìn)行調(diào)整，從而模擬出在不同天氣與時(shí)間點(diǎn)的環(huán)境情況，如圖3所示。用數(shù)據(jù)增強(qiáng)的方法獲得500張。

圖3 色域扭曲數(shù)據(jù)增強(qiáng)

實(shí)驗(yàn)的標(biāo)注工具采用LabelImg對(duì)寵物犬?dāng)?shù)據(jù)進(jìn)行人工標(biāo)注，實(shí)驗(yàn)需要識(shí)別寵物犬是否牽繩，故總共設(shè)置兩個(gè)標(biāo)簽，分別為：cord-dog（牽繩）、dog（未牽繩）。數(shù)據(jù)集共包含4 500張，訓(xùn)練集、測(cè)試集與驗(yàn)證集數(shù)量比例為8：1：1即3 600：450：450。其中訓(xùn)練集由1 600張kaggle競(jìng)賽數(shù)據(jù)圖片和2 000張網(wǎng)絡(luò)爬取的寵物犬圖片組成，測(cè)試集和驗(yàn)證集分別由200張kaggle競(jìng)賽數(shù)據(jù)圖片和250張網(wǎng)絡(luò)爬取的寵物犬圖片組成，如表1所示。

表1 寵物犬牽繩數(shù)據(jù)集分布

2.2 深度學(xué)習(xí)環(huán)境配置

實(shí)驗(yàn)所需的環(huán)境如表2所示。以相同的配置設(shè)置于對(duì)比試驗(yàn)?zāi)Ｐ偷腨OLOv5、Mobilenet-V2 YOLOv5網(wǎng)絡(luò)，作為對(duì)照組網(wǎng)絡(luò)。

表2 深度學(xué)習(xí)環(huán)境配置表

2.3 實(shí)驗(yàn)結(jié)果及分析

本次實(shí)驗(yàn)測(cè)試集共包含4 500張圖片，其中寵物犬被牽繩檢測(cè)的平均精確度為78.6%，寵物犬未被牽繩檢測(cè)的平均準(zhǔn)確度均值為82.9%，檢測(cè)到寵物犬未被牽繩如圖4所示。檢測(cè)到寵物犬已被牽繩如圖5（a）所示，檢測(cè)到寵物犬被牽繩隨后進(jìn)入公共場(chǎng)景，進(jìn)行牽繩識(shí)別如圖5（b）所示。

從圖4和5中可以看出對(duì)于正常的公共場(chǎng)景下寵物犬是否牽繩的檢測(cè)識(shí)別，本文提出的算法取得了不錯(cuò)的檢測(cè)效果，map值達(dá)到近80.7%。由圖4可以看出，當(dāng)寵物犬在公共場(chǎng)景下未被牽繩時(shí)，則可以使用YOLOv5準(zhǔn)確檢測(cè)識(shí)別。而由圖5可以看出，當(dāng)寵物犬被牽繩活動(dòng)時(shí)，細(xì)小的繩索信息也可以被獲取并抓取識(shí)別，本模型對(duì)寵物犬繩索粗細(xì)的信息可以較好的識(shí)別。

圖4 寵物犬未被牽繩的檢測(cè)示例

圖5 寵物犬已被牽繩的檢測(cè)示例

本文對(duì)YOLOv5模型進(jìn)行改進(jìn)，對(duì)公共場(chǎng)景下寵物犬是否牽繩進(jìn)行檢測(cè)的同時(shí)，與原YOLOv5、Mobilenet V2-YOLOv5網(wǎng)絡(luò)模型進(jìn)行對(duì)比實(shí)驗(yàn)。然后在測(cè)試集上分別對(duì)其進(jìn)行訓(xùn)練測(cè)試評(píng)估，以參數(shù)量、模型大小、平均精度均值作map為模型的性能的評(píng)價(jià)標(biāo)準(zhǔn)，詳細(xì)的對(duì)比實(shí)驗(yàn)數(shù)據(jù)如表3所示。

表3 改進(jìn)YOLOv5 與其他算法對(duì)比實(shí)驗(yàn)結(jié)果

根據(jù)實(shí)驗(yàn)數(shù)據(jù)表的三組模型的測(cè)試信息可以看出，改進(jìn)后網(wǎng)絡(luò)模型YOLOv5的map值已經(jīng)達(dá)到80.7%且參數(shù)量與模型大小為7 214 431、14.7 m，與原YOLOv5相比，改進(jìn)YOLOv5網(wǎng)絡(luò)在網(wǎng)絡(luò)參數(shù)、模型大小增加少量的情況下平均精度的均值提升了1.5個(gè)百分點(diǎn)；相較于Mobilenet-v2 YOLOv5，改進(jìn)YOLOv5網(wǎng)絡(luò)在參數(shù)量、模型大小上稍大，但平均精度的均值有了顯著的提升。通過(guò)以上實(shí)驗(yàn)數(shù)據(jù)對(duì)比可以得出，改進(jìn)YOLOV5在參數(shù)量、模型大小沒有顯著擴(kuò)大的情況下，精度得到提升，在寵物犬牽繩檢測(cè)上具有較好的精度。

3 結(jié) 論

針對(duì)在公共場(chǎng)景下寵物犬襲擊行人的問(wèn)題，本文在公共安全領(lǐng)域引入基于深度學(xué)習(xí)的YOLO網(wǎng)路模型來(lái)對(duì)寵物犬是否牽繩進(jìn)行檢測(cè)，并借鑒SENet的特點(diǎn)對(duì)原始模型進(jìn)行改進(jìn)。改進(jìn)的YOLOv5模型目標(biāo)檢測(cè)算法對(duì)寵物犬被牽繩檢測(cè)的平均精度為78.6%，對(duì)未牽繩的寵物犬檢測(cè)的map為82.9%。實(shí)驗(yàn)結(jié)果充分證明了本文的算法的平均精度對(duì)寵物犬是否牽繩檢測(cè)具有較高的識(shí)別度，有助于提升在公共場(chǎng)合下人們對(duì)寵物的管理水平。

基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法應(yīng)用于公共安全領(lǐng)域有著極大的研究?jī)r(jià)值以及應(yīng)用前景。在接下來(lái)的工作中將重點(diǎn)對(duì)實(shí)際公共場(chǎng)景禁入目標(biāo)的課題進(jìn)行相關(guān)研究，并結(jié)合深度學(xué)習(xí)中的transform結(jié)構(gòu)對(duì)模型進(jìn)行改進(jìn)，對(duì)公共場(chǎng)景禁入目標(biāo)進(jìn)行準(zhǔn)確識(shí)別與檢測(cè)。