井下视频行人检测方法
李现国1
李斌2
刘宗鹏2
冯欣欣2
刘晓2
宋金水2
张磊3
1.天津工业大学电子与信息工程学院,天津 300387;天津市光电检测技术与系统重点实验室,天津 3003872.天津工业大学电子与信息工程学院,天津 3003873.山东新巨龙能源有限责任公司,山东菏泽 274918
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
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)
论文发表日期：2020-02-10
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：5( 54-58 )
英文信息