YOLO目标检测实战：基于4574张人群拥塞数据集的算法训练与优化指南

1次阅读

没有评论

共计 2362 个字符，预计需要花费 6 分钟才能阅读完成。

人群密度检测在公共安全和商业分析中有着广泛的应用场景。比如在商场、车站等公共场所，实时监测人群密度可以帮助管理人员及时疏导人流，预防踩踏事故的发生。在零售行业，客流分析可以优化店铺布局和营销策略。

但这项技术也面临诸多挑战：

遮挡问题：密集人群中个体相互遮挡严重
尺度变化：近处和远处行人尺寸差异大
实时性要求：公共场所需要快速响应
光照变化：不同时段的光照条件差异

在目标检测领域，主要有三类算法：

两阶段检测器（如 Faster R-CNN）：精度高但速度慢
单阶段检测器（如 SSD）：速度较快但小目标检测效果一般
YOLO 系列：在速度和精度间取得良好平衡

YOLOv5 相比前代的主要优势：

更轻量的网络结构
自适应 anchor 计算
内置数据增强
完善的训练工具链

我们的 4574 张数据集原始格式是 COCO，需要转换为 YOLO 格式。转换的关键点是坐标归一化：

# COCO 转 YOLO 格式示例代码
import json
import os

with open('annotations.json') as f:
    coco = json.load(f)

for img in coco['images']:
    img_id = img['id']
    img_w = img['width']
    img_h = img['height']

    # 找到该图片对应的标注
    anns = [a for a in coco['annotations'] if a['image_id'] == img_id]

    # 写入 YOLO 格式 txt 文件
    with open(f'labels/{img_id}.txt', 'w') as out_f:
        for ann in anns:
            # COCO 是[x,y,width,height]
            x, y, w, h = ann['bbox']

            # 转换为 YOLO 格式 [center_x, center_y, width, height] 并归一化
            x_center = (x + w/2) / img_w
            y_center = (y + h/2) / img_h
            w_norm = w / img_w
            h_norm = h / img_h

            # 类别 ID 从 0 开始
            class_id = ann['category_id'] - 1

            out_f.write(f'{class_id} {x_center} {y_center} {w_norm} {h_norm}\n')

YOLOv5 内置了多种数据增强方法：

Mosaic：四张图片拼接增强小目标检测
MixUp：图像混合增加样本多样性
HSV 调整：随机改变色调、饱和度和明度

在配置文件中可以这样开启：

# data/hyp.scratch.yaml
hsv_h: 0.015  # 色调增强系数
hsv_s: 0.7    # 饱和度增强系数
hsv_v: 0.4    # 明度增强系数

mosaic: 1.0   # 开启 Mosaic 的概率
mixup: 0.15   # 开启 MixUp 的概率

# 模型配置文件 yolov5s.yaml
nc: 1  # 类别数(人群检测只有 "person" 一类)

# 超参数配置 hyp.scratch.yaml
lr0: 0.01      # 初始学习率
lrf: 0.2       # 最终学习率 = lr0 * lrf
momentum: 0.937  # SGD 动量
weight_decay: 0.0005  # 权重衰减

# Anchor 配置(使用自适应的 autoanchor)
anchors: 3      # 每个输出层的 anchor 数量

人群数据集中可能出现背景过多的问题，可以通过以下方法缓解：

调整损失函数权重
使用 Focal Loss
在线难例挖掘

在 YOLOv5 中可以通过设置类别权重：

# 在 train.py 中添加
model.class_weights = torch.tensor([1.5])  # 人群类别权重设为 1.5

# 转换模型到 TensorRT 格式
python export.py --weights yolov5s.pt --include engine --device 0

# 使用 TensorRT 推理
import tensorrt as trt

# 加载引擎
with open('yolov5s.engine', 'rb') as f:
    runtime = trt.Runtime(trt.Logger(trt.Logger.WARNING))
    engine = runtime.deserialize_cuda_engine(f.read())

可以尝试以下方法提升遮挡情况下的检测效果：

添加注意力机制（如 CBAM）
使用 Repulsion Loss
增加遮挡样本的数据增强

我们遇到过标注框过大导致模型学习到过多背景特征的案例。解决方法：

使用标注清洗工具修正
训练时添加标注质量检测

当遇到 ”CUDA out of memory” 错误时：

减小 batch size
使用梯度累积
尝试更小的模型(yolov5n)

# 梯度累积示例
for i, (images, targets) in enumerate(train_loader):
    # 前向传播
    loss = model(images, targets)

    # 反向传播
    loss.backward()

    # 每 4 个 batch 更新一次参数
    if i % 4 == 0:
        optimizer.step()
        optimizer.zero_grad()