井下视频行人检测方法_中国煤炭行业知识服务平台

井下视频行人检测方法

作者

李现国李斌刘宗鹏冯欣欣刘晓宋金水张磊
单位

天津工业大学电子与信息工程学院天津市光电检测技术与系统重点实验室山东新巨龙能源有限责任公司
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Jetson TX2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
基金项目(Foundation)

天津市重点研发计划科技支撑重点项目（18YFZCGX00930）
相关专题

这篇文章属于2020封面文章（《工矿自动化》）（48篇）

这篇文章属于《工矿自动化》2020年度优秀论文（30篇）