基于视觉的田间行人实时检测

摘要

在田间环境下,由于背景的复杂性及光照的多样性,基于深度学习的在城市环境下的行人检测模型无法直接迁移到田间环境下,同时深度学习模型众多的参数量限制了其在嵌入式等移动设备上的部署,给田间行人检测带来极大的挑战.本文初步研究了应用MobileNetV2-SSDLite目标检测模型并结合相应的田间行人检测数据集在田间环境下进行行人检测的可行性,利用田间行人识别数据集并结合迁移学习方法对模型进行训练.由于MobileNetV2对深度学习模型参数及计算量进行了很大程度的压缩优化,模型占用空间11MB左右,且设别速度达到20帧/s.证明了深度学习方法对田间行人识别有较高的识别率和实时性,表明卷积神经网络在田间行人识别方面有良好的应用前景.