10.3969/j.issn.1007-130X.2022.03.012
基于全局注意力的室内人数统计模型
随着人工智能技术的爆炸式发展,机器学习、深度学习等技术在人脸识别、行人检测和视频跟踪等各个领域得到了广泛的应用,其中利用目标检测进行室内人数统计一直以来是一个热门的研究.室内监控画面存在人群相互遮挡,且目标特征模糊等问题,往往导致检测准确率低,误检率和漏检率高等情况的出现.为了解决此问题,提出了一种基于全局注意力的室内人数统计模型,引入注意力机制,对目标检测算法YOLOv3进行改进,通过提取更多小人头或模糊人头的特征来增强检测能力.实验结果表明,改进后的网络模型具有更高的召回率和平均精度.
目标检测、人数统计、注意力机制、YOLOv3
44
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;北京建筑大学科学研究基金;北京建筑大学科学研究基金;北京建筑大学科学研究基金;住房和城乡建设部科学技术项目;住房和城乡建设部科学技术项目;河北省机器学习与计算智能重点实验室资助课题
2022-03-29(万方平台首次上网日期,不代表论文的发表时间)
共8页
471-478