基于YOLOv5网络的气田无人值守场站多路入侵目标检测

• 作者: 左应祥 倪建辉 杨圆鉴 韩光谱 彭聪
• 来源期刊: 重庆科技学院学报（自然科学版）
• 学科: 工学
• 关键词: YOLOv5网络 入侵检测 卷积神经网络 多路并发检测
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 计算机与自动化技术
• 页码范围: 45-49
• 页数: 5页
• 分类号: TP277
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1980.2021.06.010

摘要

为了优化气田无人值守场站监控效果,改善低分辨率画面检测精度低、识别困难及深度学习模型在多摄像头下资源消耗严重的问题,提出一种基于YOLOv5网络的多路入侵目标检测方法.应用YOLOv5网络及Deep SORT算法分别提取目标外观及其运动特征,通过拼接画面的方式实现对显存资源的合理利用.实验结果表明,进行迁移学习后模型的mAP值可达95％,检测精度较高,模型鲁棒性良好.