基于YOLOv5的边境可疑人员检测系统设计
岳廷树1
鄢元霞1
潘文林2
1.云南民族大学电气信息工程学院 昆明 6505042.云南民族大学数学与计算机科学学院 昆明 650504
摘要：针对传统边境监控系统需要依靠大量边防人员,且人力在可见光检测中存在识别不明的情况,提出基于YO-LOv5s目标检测算法的Android红外检测系统,该系统可在无网络情况下运行.以无人机拍摄的红外数据图像为样本,模拟边境不同场景下的可疑人员入侵,并利用深度学习算法进行训练,不同场景下的检测准确率均可达到95%左右,通过ONNX模型交换格式转换成易于终端部署的NCNN模型,并利用Android Studio进行Android端模型部署,最终实现手机端的红外图像检测.实验结果表明,部署于手机端的红外检测模型对边境周边可疑人员的单帧图像检测时间低于200 ms,检测置信度达到94%左右,基本符合系统预期目标.
关键词：深度学习YOLOv5s红外检测模型转换Android
分类号：X924.3(安全管理（劳动保护管理）)
论文发表日期：2024-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 3541-3546 )
英文信息