基于深度神经网络的扶梯异常行为检测

• 作者: 吉训生 滕彬
• 来源期刊: 激光与光电子学进展
• 学科: 工学
• 关键词: 图像处理 异常行为检测 自动扶梯 深度可分离卷积 Tiny YOLOv3
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 图像处理
• 页码范围: 132-141
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3788/LOP57.061010

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;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,平均漏检率减小了22.8％,检测精度提高了3.4％,检测速度是YOLOv3的1.7倍,更好地兼顾了检测的精度和实时性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吉训生		54	470	10.0	20.0
2	滕彬		1	0	0.0	0.0