井下视频行人检测方法

摘要：

针对现有基于深度学习的行人检测方法存在计算量较大、检测效率严重依赖硬件性能等问题,对基于SSD网络的行人检测方法进行改进,设计了一种基于DenseNet网络的轻量级卷积神经网络作为SSD网络的基础网络,以满足井下视频行人实时检测需求,并设计了基于ResNet网络的辅助网络,以增强特征表征能力,提高行人检测准确性.将基于改进SSD网络的井下视频行人检测方法部署在嵌入式平台JetsonTX2上进行实验,结果表明该方法对井下视频中行人的检测准确率为87.9％,针对井下行人低密度场景的检测准确率近100％,且运算速度达48帧/s,约为基于SSD网络的行人检测方法的4.4倍,满足井下行人实时检测需求.

关键词：井下行人检测、视频监控、深度学习、SSD网络、卷积神经网络

所属期刊栏目：46

分类号：TD67(矿山电工)

资助基金：天津市重点研发计划科技支撑重点项目18YFZCGX00930

在线出版日期：2020-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：54-58