10.3969/j.issn.1006-2475.2019.11.014
一种智能视频监控系统中的行人检测方法
在智能视频监控系统的行人检测中,目前使用的目标检测算法R-CNN和YOLO系列算法或速度较慢,无法满足实时性要求;或需要较大的GPU显存空间,难以部署.YOLOv3-tiny算法作为YOLO系列的精简版本,对设备要求较低、速度快,但该算法精度较低.本文通过调整YOLOv3-tiny算法的grid cell横纵方向数量、优化YOLOv3-tiny算法网络结构、聚类确定anchor的数量及尺寸,得到改进的YOLO-Y算法,并通过数据增强方法对训练数据集进行扩充.改进的YOLO-Y算法将mAP从90%提升到92%,Recall从95%提升到97%,检测速度达到26帧/s,占用约1 GB显存空间.实验结果表明改进的YOLO-Y算法显著提高了算法检测精度,具有实时性,且不需要太大的显存空间,满足大部分智能视频监控系统的要求.
智能视频监控系统、行人检测、YOLOv3-tiny、聚类、深度学习、行人数据集
TP391(计算技术、计算机技术)
国家重点研发计划资助项目2017YFC0822404
2019-11-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
69-74