基于改进的单次多盒检测器室内人数检测

摘要：

室内人数检测是解决公共资源合理分配和利用问题的关键.针对室内人群分布复杂且存在相互遮挡,而传统图像处理算法的准确率较低的问题,使用单次多盒检测器(single shot multibox detector,SSD)结合MobileNetV2与SENet的深度学习目标检测方法,对室内环境下的人进行识别.在微软开源数据集(common object in context,COCO)的基础上,采集室内真实图像制作数据集,进行不同IOU阈值、不同拍摄角度条件下的实验,并部署到计算环境为搭载神经元计算棒(neural compute stick,NCS2)的树莓派.实验表明,改进SSD目标检测模型在IOU阈值为0.4下,平均准确率和召回率较高,分别为97.91％和90.72％,在此计算环境下检测速度可达8帧/s,模型具有良好准确率和实时性.

关键词：人数统计、深度学习、单次多盒检测器、MobileNetV2、SENet

所属期刊栏目：20

分类号：TP391.41(计算技术、计算机技术)

资助基金：陕西省国际科技合作计划;陕西省重点研发计划

在线出版日期：2020-06-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：4451-4457