井下视频行人检测方法

李现国^1,2，李斌¹，刘宗鹏¹，冯欣欣¹，刘晓¹，宋金水¹，张磊³

1. 天津工业大学电子与信息工程学院2. 天津市光电检测技术与系统重点实验室3. 山东新巨龙能源有限责任公司

摘 要：针对现有基于深度学习的行人检测方法存在计算量较大、检测效率严重依赖硬件性能等问题,对基于SSD网络的行人检测方法进行改进,设计了一种基于DenseNet网络的轻量级卷积神经网络作为SSD网络的基础网络,以满足井下视频行人实时检测需求,并设计了基于ResNet网络的辅助网络,以增强特征表征能力,提高行人检测准确性。将基于改进SSD网络的井下视频行人检测方法部署在嵌入式平台Jetson TX2上进行实验,结果表明该方法对井下视频中行人的检测准确率为87.9%,针对井下行人低密度场景的检测准确率近100%,且运算速度达48帧/s,约为基于SSD网络的行人检测方法的4.4倍,满足井下行人实时检测需求。

关键词：井下行人检测;视频监控;深度学习;SSD网络;卷积神经网络;