室内场景中密集小目标的人数统计方法 |
| |
引用本文: | 张杰,李张琦,金海燕,王彬,康孟飞,侯继鑫,杜海鹏,李睿,潘志庚.室内场景中密集小目标的人数统计方法[J].中国有线电视,2023(12):25-29. |
| |
作者姓名: | 张杰 李张琦 金海燕 王彬 康孟飞 侯继鑫 杜海鹏 李睿 潘志庚 |
| |
作者单位: | 1.西安理工大学计算机科学与工程学院710048;2.陕西省网络计算与安全技术重点实验室710048;3.西安交通大学计算机学院710049;4.南瑞集团(国网电力科学研究院)有限公司211106;5.西安交通大学继续教育学院710049;6.南京信息工程大学人工智能学院210000; |
| |
摘 要: | 计算机视觉任务中,密集小目标的人数统计在人群行为分析、资源优化配置、现代安防等室内场景中具有重要的社会意义。现有的密集小目标统计方法存在着诸如目标相互遮挡造成的漏检、检测目标密集产生的错检以及目标小且人脸特征提取不足等问题。针对室内场景中密集小目标的漏检、错检以及特征不足等问题,提出一种基于YOLOv5框架的人数统计模型STO-YOLO。该方法首先在YOLOv5的主干网络加入针对密集小目标的检测模块以提升特征提取能力,然后在特征融合Neck网络中加入小目标检测模块来增强特征融合能力,从而改善远离监控的密集小目标的错检问题;其次引入OTA机制,将标签分配视作最优传输问题,同时结合上下文信息来减少模糊框的个数,从而有效减少目标遮挡产生的误差。在实际教学场景中自建数据集并验证所提方法。实验结果表明,与SOTA方法YOLOv5相比,STO-YOLO检测结果的precision和recall指标均得到了显著提升;相比最新的YOLOv8,recall和mAP等指标也得到了提升,充分验证了所提STO-YOLO方法的有效性。
|
关 键 词: | 智慧校园 YOLOv5 目标检测 人数统计 |
本文献已被 维普 等数据库收录! |
|