首页 > 论文 > 激光与光电子学进展 > 57卷 > 06期(pp:061010)

基于深度神经网络的扶梯异常行为检测

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

针对Tiny YOLOv3算法在扶梯异常行为检测时存在高漏检率和低准确率的问题,提出一种改进的Tiny YOLOv3网络结构用于扶梯异常行为检测。利用K-means++算法对数据集中的目标边框进行聚类,根据聚类结果优化网络的先验框参数,使训练网络在异常行为检测方面具有一定的针对性。利用多层深度可分离卷积提取深层次的语义信息,加深特征提取的网络结构;增加一个尺度用于低层语义信息的融合,改进原有算法预测层的结构;最后使用GPU进行多尺度训练,得到最优的权重模型,对扶梯异常行为进行检测。实验结果表明:优化后的模型与Tiny YOLOv3相比,在漏检率上提高了22.8%,检测精度上提高了3.4%,检测速度比YOLOv3提高1.68倍,更好地兼顾了检测的精度和实时性。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop57.061010

作者单位:

    江南大学物联网工程学院
    江南大学物联网工程学院

引用该论文

吉训生,滕. 基于深度神经网络的扶梯异常行为检测[J].激光与光电子学进展,2020,57(06):061010.