留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

井下视频行人检测方法

李现国 李斌 刘宗鹏 冯欣欣 刘晓 宋金水 张磊

李现国,李斌,刘宗鹏,等.井下视频行人检测方法[J].工矿自动化,2020,46(2):54-58..  doi: 10.13272/j.issn.1671-251x.2019060024
引用本文: 李现国,李斌,刘宗鹏,等.井下视频行人检测方法[J].工矿自动化,2020,46(2):54-58..  doi: 10.13272/j.issn.1671-251x.2019060024
LI Xianguo, LI Bin, LIU Zongpeng, et al. Underground video pedestrian detection method[J]. Industry and Mine Automation, 2020, 46(2): 54-58. doi: 10.13272/j.issn.1671-251x.2019060024
Citation: LI Xianguo, LI Bin, LIU Zongpeng, et al. Underground video pedestrian detection method[J]. Industry and Mine Automation, 2020, 46(2): 54-58. doi: 10.13272/j.issn.1671-251x.2019060024

井下视频行人检测方法

doi: 10.13272/j.issn.1671-251x.2019060024
基金项目: 

天津市重点研发计划科技支撑重点项目(18YFZCGX00930)

详细信息
  • 中图分类号: TD67

Underground video pedestrian detection method

  • 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。

     

  • 加载中
计量
  • 文章访问数:  150
  • HTML全文浏览量:  23
  • PDF下载量:  18
  • 被引次数: 0
出版历程
  • 刊出日期:  2020-02-20

目录

    /

    返回文章
    返回