基于FasterR-CNN的教室监控人数识别系统的开发与研究

摘要：

通过Opencv调用设备摄像头将数据读入,视频流切分成图片流后进入在Tensorflow框架下训练好的FasterR-CNN模型进行目标识别,将识别出的目标进行标记并输出.在教室环境下由于相互遮挡和密集度大的问题严重,原始的训练模型不能很好地识别困难目标,通过收集大量教室监控截图并进行Data Augmentation数据增强来进一步地扩大样本,提高识别准确度;使用LabelImg对数据进行标注生成训练和测试数据集,将VOC2007及新标注样本进行合并得到NEW_VOC2007,在此新数据集上进行训练及测试生成新模型.实验证明,新模型能够更好地适应教室环境的识别,准确度更高.

关键词：Tensorflow、Opencv、卷积神经网络、FasterR-CNN、目标识别、LabelImg

所属期刊栏目：16

分类号：TP391(计算技术、计算机技术)

资助基金：2019年度大学生研究训练计划SRTP项目编号:2019108

在线出版日期：2020-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：35-38