改进YOLOv4-Tiny的面向售货柜损害行为人体检测

无人货柜的安全检测一直是零售领域的热点话题。针对现有人工监控无法及时且有效地捕捉到部分消费者对自助售货柜及其内部商品的损坏行为这一问题，提出了一种改进YOLOv4-Tiny的面向售货柜损害行为人体检测方法。将真实场景采集到的监控视频进行预处理，完成对数据集DMGE-Act的制作，解决场景图像数据源不足的问题。提出了基于YOLOv4-Tiny的改进模型——YOLOv4-TinyX，通过修改神经网络的激活函数进行平滑逼近，分别在主干特征提取网络的最大特征提取层后引入CBAM，在加强特征提取网络中的上采样操作层后引入CA两种不同的注意力机制模块，并且进行了数据不平衡的修正，有效提升了算法的特征提取与检测能力。通过对比实验分析，改进后的模型参数量仅增加2×10⁴的同时，平均精度均值mAP提升了10.29个百分点，结果表明该算法保持轻量化且对损害行为的检测精度有显著提升。