基于改進YOLOv3的電梯內電動車檢測算法

楊獻瑜

關鍵詞：目標檢測；輕量化網絡；注意力模塊；YOLOv3；CIOU

0 引言

電梯作為高層建筑中的重要交通工具，常見的安全隱患問題如轎廂困人、電梯沖頂、反復開關門、攜帶可燃易爆物品等[1]，通過“智慧電梯”[2]安全管理平臺得到了有效解決，但目前對禁止電動車等可燃易爆物品進入電梯仍缺乏有效的方法[3]。2021 年5 月，四川省某小區的電梯內一輛電動車瞬間爆燃，導致多人受傷。2021 年11 月，合肥市一小區住戶的電動自行車在屋內充電時燃燒，導致火情。因此，有必要對電動車進入電梯進行檢測。

防止電動車進入電梯，可在電梯口附近立警示牌，以及對電梯內監控視頻進行監測等。這些方法雖然有效，但效率低。如今基于深度學習的目標檢測算法被廣泛應用于計算機視覺的各個領域，達到了非常好的效果。2019 年華志超[4]在YOLOv1 中添加批規范化算法以及改進損失函數，實現電梯禁入目標檢測。2020 年岑思陽[5]在YOLOv3 中使用GIOU 損失函數并改進邊界框的生成，實現電梯內人臉檢測。2021 年張媛等人[6]提出了基于YOLOv3 的電動車檢測算法，實現電梯內電動車實時檢測。

雖然以上算法對目標具有良好的檢測效果，但模型計算量和參數量較大，難以在硬件條件有限的邊緣設備上應用。因此，本文提出基于改進YOLOv3 的電梯內電動車檢測算法，實現模型的輕量化。首先將YOLOv3 中負責提取特征的主干網絡Darknet53 替換為MobileNetv2；然后在主干網絡和特征融合網絡之間引入CA 注意力機制，提高模型的檢測能力；最后使用CIOU 作為計算目標邊界框的回歸定位損失，增強精準定位效果。

1 YOLOv3 檢測模型

YOLOv3 由Joseph Redmon 等人[7]在2016 年提出，是一種單階段目標檢測算法。該網絡采用Darknet53作為主干特征提取網絡，使用特征金字塔結構[8]加強特征提取，利用檢測頭對有效特征層進行預測。圖1展示了YOLOv3 的網絡結構。

2 改進YOLOv3 檢測模型

2.1 MobileNetV2

2018 年Google 提出了輕量化網絡MobileNetV2[9]。該網絡主要包含17 個倒殘差結構（bottleneck），每個倒殘差結構由一個3×3的DW卷積（depthwise convolution）和兩個1×1 的PW 卷積（pointwise convolution）組成。相較于普通卷積，由DW 卷積和PW 卷積構成的深度可分離卷積，能大幅減少模型的參數量以及運算成本。MobileNetV2 第二個特點是linearbottlenecks，主要表現在倒殘差結構中的第二個PW 卷積后使用線性激活函數，以減少特征信息的損失。MobileNetV2 網絡整體結構如表1 所示。在本文中，將使用輕量化網絡MobileNetV2 來對YOLOv3 檢測模型進行改進。

2.2 CA 注意力機制

在深度學習中，注意力機制能夠增強網絡對有效特征信息的提取，提高檢測精度。2021 年Qibin Hou等人提出CA（Coordinate Attention）[10]注意力機制，不僅考慮了通道信息，還考慮了方向相關的位置信息。相比于CBAM[11]，CA 實現更為簡單，并且能在空間維度上構造遠程的依賴關系。在CA 中，首先對輸入進來的特征圖分別沿著水平和垂直方向進行平均池化，得到兩個不同的特征圖。然后對兩個特征圖進行拼接以及卷積操作降維，建立遠程依賴關系。再對得到的特征圖進行BN 操作以及h-swish 激活。最后，沿著空間維度對特征圖進行分割，得到沿水平方向以及沿垂直方向的注意力特征圖，對這兩組注意力特征圖使用卷積操作進行升維，使用Sigmoid 將值域限制在0 和1 之間。基于CA 模塊的網絡結構如圖2 所示。在本文中，將使用CA 注意力機制來對YOLOv3 檢測模型進行改進。

2.3 CIOU 損失函數

YOLOv3 損失函數包括邊界框定位損失、置信度損失以及類別損失，其中邊界框定位損失使用MSE 損失函數進行計算。2016 年Jiahui Yu 等人[12]提出了IOU 損失，相較于MSE 損失，IOU 損失能夠更好的反應邊界框的重合程度，具有尺度不變性。2019 年，Zhaohui Zheng 等人[13]提出了DIOU 損失以及CIOU 損失，DIOU 損失在IOU 損失的基礎上添加了中心點歸一化距離，使收斂速度更快、回歸精度更高。CIOU 損失是對DIOU 損失的進一步改進，將長寬比參數引入到損失函數中。CIOU 損失共包含重疊面積、中心點距離、長寬比3 種幾何參數，其計算公式為：

其中，P 表示預測框，G 表示真實框，IOU 反映的重疊面積；ρ（b，bgt）表示的是預測框中心點坐標與真實框中心點坐標的歐式距離，c 表示的是覆蓋預測框與真實框的最小外接邊界框對角線長度，ρ2（b，bgt）/c2反映的是中心點距離；v 表示的是預測框與真實框長寬比一致性參數，α表示的是平衡參數，αv 反映的是長寬比。因此，CIOU 損失能更好的反應邊界框的重合重度，加速損失函數收斂。在本文中，將使用CIOU 損失函數來對YOLOv3 檢測模型進行改進。

2.4 改進后的網絡總體結構

本文對YOLOv3 檢測模型進行改進，使用MobileNetV2作為骨干網絡提取特征，減少模型的參數量和計算量；使用CA 注意力模塊，讓模型更加關注圖像中有用的特征信息，提高模型性能；使用CIOU 損失替換MSE 損失，加速網絡收斂以及實現精準定位。改進后的YOLOv3 檢測模型命名為YOLO-MAC，其網絡總體結構如圖3 所示。

3 實驗與結果分析

3.1 數據集采集與處理

本文通過網上搜索、爬蟲、實地拍攝等方法，對電梯內電動車圖片進行采集，共篩選出2300 張電梯內電動車圖片。為豐富圖片的特征，對采集到的圖片添加隨機遮擋、高斯模糊、亮度調節、水平翻轉等數據增強算法，對數據集進行擴充。擴充后共有3300 張圖片，其中劃分2700 張圖片作為訓練集、300 張圖片作為驗證集、300 張圖片作為測試集。數據增強后的圖片如圖4 所示。

3.2 實驗環境以及超參數設置

本文實驗在Ubuntu 20.04.2 操作系統下，采用Pytorch1.10.1 深度學習框架，CUDA 版本為11.6，使用Python3.7.10。計算機硬件包括NVIDIA GeForceRTX 3060 12GB GPU、Intel（R） Xeon（R） CPU E5-2680 v4 @ 2.40GHz、24GB 內存。

本文實驗設置網絡輸入為416×416×3，在每次迭代的時候使用余弦退火來對學習率進行衰減，采用SGD 優化算法進行參數更新，引入遷移學習的方式獲得骨干網絡預訓練權重。模型初始學習率設置為0.001，將訓練分為兩個階段。在第一階段，特征提取網絡被凍結，批處理大小設置為16，迭代次數為50 輪。在第二階段，特征提取網絡解凍，批處理大小設置為8，迭代次數為50 輪。

3.3 實驗結果分析

為了驗證改進算法YOLO-MAC 的可行性，以及改進方法對電梯場景下電動車檢測模型的影響，將YOLOv3 與替換骨干網絡后的模型YOLO-M、加入CA 注意力機制的YOLO-MA 以及本文提出的YOLO-MAC 進行對比分析。對比實驗使用相同的測試集，從計算量、參數量、mAP 和FPS 四個方面對模型進行比較，實驗結果如表2 所示。

從表2 可以看出，使用輕量化網絡MobileNetV2替換YOLOv3 的特征提取網絡DarkNet53，可以大幅減少模型的計算量以及參數量，但同時也造成了約3%的mAP 精度損失。在YOLO-M 模型中加入CA 注意力模塊后，使模型對電梯內電動車的檢測精度從87.37% 提升到89.23%，證明CA 注意力模塊的有效性。最后，在YOLO-MA 的基礎上對模型損失函數進行改進，進一步提高了檢測精度，mAP 值達到89.89%。在FPS 方面，改進后的模型YOLO-MAC，檢測速度比YOLOv3 提升7.2 幀/秒，適合部署于邊緣設備上。綜上所述，YOLO-MAC 模型兼顧了推斷速度和檢測精度，更適合進行電梯內的電動車檢測。

圖5 對比了YOLOv3 以及改進后的YOLO_MAC對電梯內的電動車圖像進行檢測的結果。從圖5 可以看出，YOLO-MAC 算法不僅檢測效果好，而且定位性能更高，驗證了本文改進方法的有效性。

4 結論

針對YOLOv3 算法模型參數量較多，難以在硬件條件有限的邊緣設備上進行檢測等問題，本文提出一種基于改進YOLOv3 的電梯內電動車檢測算法。該方法以單階段目標檢測算法YOLOv3 為基礎，使用輕量化網絡MobileNetV2 作為骨干網絡提取特征，引入CA 注意力模塊，使用CIOU 對損失函數進行改進。實驗結果表明，改進的YOLO-MAC 的mAP 與YOLOv3相近，但有效地減少了模型的計算量和參數量，檢測速度比YOLOv3 提升7.2 幀/秒。這證明該算法可行有效，能夠滿足電梯內電動車檢測任務。