1.一种基于yolov5改进的行人检测算法，其特征在于：将复杂的网络模块化，具体包括特征提取网络、特征融合网络和网络的检测头；利用特征提取网络提取图像的不同深度特征；利用特征融合网络先从顶层特征向底层特征融合，再从底层特征向顶层特征融合；利用网络的检测头检测小、中、大目标，并输出3个特征向量进行通道上的堆叠，再通过非极大值抑制操作得到检测结果。
2.根据权利要求1所述的一种基于yolov5改进的行人检测算法，其特征在于：特征提取网络和特征融合网络均包括多个卷积模块和c3模块，特征提取网络还包括一个特征金字塔模块。
3.根据权利要求2所述的一种基于yolov5改进的行人检测算法，其特征在于：卷积模块均包括卷积层、batchnormalization层和silu激活函数。
4.根据权利要求3所述的一种基于yolov5改进的行人检测算法，其特征在于：c3模块是一个残差网络结构，其bottleneck的个数为3。
5.根据权利要求4所述的一种基于yolov5改进的行人检测算法，其特征在于：c3模块的bottleneck包括bottleneck1和bottleneck2两种形式，bottleneck1为两个卷积模块构成的残差网络结构，bottleneck2为两个卷积模块直接相连，没有残差连接。
6.根据权利要求5所述的一种基于yolov5改进的行人检测算法，其特征在于：特征提取网络里的c3模块使用的是bottleneck1，特征融合网络里的c3模块使用的是bottleneck2。
7.根据权利要求6所述的一种基于yolov5改进的行人检测算法，其特征在于：特征融合网络还包括cbam模块。
8.根据权利要求7所述的一种基于yolov5改进的行人检测算法，其特征在于：优化训练过程中的定位损失函数的定位损失度量标准为lloc＝η1lgiou+η2ldiou；
9.根据权利要求8所述的一种基于yolov5改进的行人检测算法，其特征在于：具体操作步骤如下，