【摘 要】
：
密集场景是出入巡检、疾病防控和紧急疏散的重点关注区域,是身份核验、客流统计和定向追踪任务的高频地点。在密集场景进行行人检测,能够助力身份互联认证、跨镜追踪和构建计数系统,为智慧城市的构建提供便利。深度学习的出现为目标检测领域带来契机,为行人检测任务提供了新的思路。但高精度的深度学习模型往往与高复杂度、高计算量并存,这给模型部署和嵌入式应用造成了阻碍。针对上述问题,本文以密集场景的行人为研究对象,对
论文部分内容阅读
密集场景是出入巡检、疾病防控和紧急疏散的重点关注区域,是身份核验、客流统计和定向追踪任务的高频地点。在密集场景进行行人检测,能够助力身份互联认证、跨镜追踪和构建计数系统,为智慧城市的构建提供便利。深度学习的出现为目标检测领域带来契机,为行人检测任务提供了新的思路。但高精度的深度学习模型往往与高复杂度、高计算量并存,这给模型部署和嵌入式应用造成了阻碍。针对上述问题,本文以密集场景的行人为研究对象,对YOLOv4-tiny算法进行合理设计,包括对参数和结构的优化。首先,对Pascal VOC、自制数据集和Wider Person数据集进行格式转换处理,通过kmeans++算法选择合理参数,分别在k值取6和9时对输入尺寸为320、416和608的图片进行锚框设定。其次,通过改进多尺度预测层、改进主干网络和添加注意力机制这三个优化点对网络结构进行修改,得到改进后的YOLO-L算法。然后,针对YOLO-L进行训练和消融实验,对比得出各优化点的效果。结果表明,YOLO-L在Pascal VOC数据集输入尺寸为320时,检测精度比YOLOv4-tiny提升4.68%。尺寸大小为416的图片上精度提升2.28%;尺寸大小为608的图片上精度提升17.84%。同样,在自制数据集上进行验证,在320、416和608的尺寸上检测精度分别提升9.63%、13.44%和20.85%;在Wider Person数据集上分别提升4.44%、5.41%和4.24%。为便于嵌入式应用,本文对YOLO-L进行结构精简,使用模型剪枝方法进行轻量化设计,主要做法为:利用Wider Person的部分数据集进行基础训练和稀疏训练,利用剪枝策略进行结构精简,并通过层剪枝和通道剪枝进行验证,进行微调训练,最终得到轻量化模型YOLO-L-lite。通过实验得知,YOLO-L-lite在测试集的检测精度为0.4657;模型大小为7.61M,比原始YOLOv4-tiny减少了38.7%;模型复杂度为3.620BFLOPs。最后,利用Jetson TX2完成了YOLO-L-lite模型的嵌入式应用,模型在开发板的单张图片检测速度达0.061435s,能够达到实时检测,满足YOLO-L-lite的嵌入式部署需求。综上所述,本文主要通过结构优化设计了一种新的深度学习算法YOLO-L,并利用模型剪枝手段得到了其轻量化算法YOLO-L-lite,利用Jetson TX2开发板实现了嵌入式应用,且该方法为行人检测的实际应用提供了一种部署方案。
其他文献
针对离子型稀土矿区浸矿过程导致的土壤氨氮、重金属复合污染问题,研究大量硫酸铵残留对土壤重金属释放和形态转化的影响机制。本研究通过硫酸铵淋滤,酸雨淋滤和室内土壤稳定化培养考察不同浓度硫酸铵浸矿剂输入土壤后,氮和重金属的释放与形态转化及实际矿区土壤污染物变化规律,主要研究结论如下:（1）硫酸铵浸矿剂在重金属污染土壤中主要以NH4+形式存在。浸矿剂促进了重金属的析出,土壤中Cu、Zn和Cr的总量分别减少
无线传感器网络（WSN）因能够协作各类传感器采集和处理目标信息,已经成为一种前沿热点研究技术。但是WSN作为一种硬件资源有限、以数据传输为中心的网络系统,在同构与异构网络状态下成本、算力以及功耗等方面均有各自的特点,网络内节点的分布密度与采样频率过高会导致部分节点感知数据存在冗余。因此,如何提高同构与异构WSN中各节点的节能水平已经成为当前研究的重点。为了使WSN中能量的消耗合理均衡化,本文以同构
实际生产过程中,系统长时间工作有可能造成系统参数跳变,甚至出现故障,进而破坏其稳定性。同时,时滞也是各类实际系统普遍存在的问题。针对以上情况,本文基于控制器重构及有限时间稳定方法,研究了随机马尔科夫跳变时滞系统稳定性分析与容错控制,达到增强被控系统稳定及容错能力的目的。研究内容主要包含如下三个方面内容:（1）基于能量峰值控制的马尔科夫跳变时滞系统稳定性分析与控制器设计。外部干扰的不确定和系统时滞,
永磁同步电机（Permanent Magnet Synchronous Motor,PMSM）凭借高效、节能、功率密度高等优势在交流调速领域受到极大关注。目前,全自动打包机多采用PMSM作为收送带电机捆扎货物。由于带高分辨率位置传感器的PMSM不仅会增大电机尺寸、增加生产成本而且在震动、高温、潮湿等环境中传感器性能降低,影响电机控制效果。所以为降低企业的投入成本、保证打包机在各种工况下的正常工作,
基于静态相机对动态机构进行测量引导机构进行精确操作在航天和工业领域具有广泛的应用。在我国探月三期嫦娥五号月面表取采样任务中,由于月面四自由度采样机械臂的细长、柔性特点,使得地面操作人员难以在遥操作条件下通过开环控制的方式操控机械臂实现精确采样,利用静态监视相机对距离较远的机械臂末端小尺寸部件（部件尺寸远小于测量距离）进行精确定位,是实现机械臂采样精确引导控制和保证采样安全的关键。针对上述问题,本论
智能化的新能源电动汽车电池管理系统（BMS,Battery Management System）是电动汽车发展的重要研究课题之一,其主要功能是在复杂的车况下实时监测电池的工作状态,并进行有效的使用、管理和控制。对电池内部温度和电池荷电状态（SOC,State of Charge）的实时准确预测是电池管理系统中的关键技术。电池内部温度不仅与电池的安全状态有直接关系,还对电池的SOC有着相关影响。研究
社会发展使能源的需求量不断增长,对于能源存储的要求也越来越高。锂离子电池因自身储能方面的优势被广泛应用在各领域的储能设备尤其是电动汽车动力电池中。为电池配备电池管理系统BMS,对电池运行状态进行监视和控制,对电池状态的变化进行预测,能够发挥电池的最佳性能,延长电池寿命,防止事故的发生。首先,本文介绍了锂离子电池,详细介绍了其主要性能参数。介绍了BMS关键技术,包括信息采集、均衡控制和电池状态估算,
随着无人驾驶和扫地机器人市场的兴起,路径规划一直成为机器人领域研究的热点,机器人全局路径规划主要是指机器人在可知的二维或三维环境信息中寻找到可以到达终点的可行路径,所找到的路径代价和时间代价是否最低一直是研究重点,在众多探索路径算法中,A*（A Star Algorithm）算法作为一种启发式算法,虽然可以通过预估代价和现有代价计算找到一条渐进最优的路径,但是通常会过多的消耗时间和内存。对比人工势
随着社会经济的快速发展和人民生活水平的日益提升,车辆驾驶者安全意识不足与道路车辆数目急剧增加不相匹配的矛盾成为当下影响道路交通安全的重大隐患,为建立更完善的道路监管体系,本文针对目前智能交通系统中监控摄像机覆盖范围小,无法全方位监督车辆安全行驶的问题,展开了基于车载视频的车辆压线行为检测的研究,主要研究工作总结如下:（1）为完成基于车载视频的车辆压线行为检测任务,构建了一种面向车辆压线行为检测的模
在道路交通事故当中,二轮车驾乘人员群体往往处于防护弱势的一方,因此监督该类群体在道路行驶过程中是否佩戴头盔可以有效减少伤亡风险,对道路交通安全具有重要意义。现有的二轮车头盔检测算法一般采用多阶段分类方法,过程复杂繁琐,同时带来了庞大的参数量和计算资源消耗,造成二轮车头盔检测算法的检测速度缓慢和可迁移性受限。针对上述问题,本文以基于深度学习的目标检测算法为基础,提出了两种轻量化单阶段头盔检测算法,主