- 1、本文档共53页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
中文摘要
自动扶梯作为常见的运输工具,当行人乘坐不规范时存在摔倒风险,若不能及
时发现并停止自动扶梯运行将会导致二次伤害,错过最佳救助时间,因此对于自动
扶梯行人摔倒检测是十分必要的。近年来,随着人工智能和嵌入式技术的快速发展,
通过目标检测方法实现对乘坐自动扶梯时的行人进行实时检测,发生行人摔倒现象
时可以快速停止自动扶梯运行并且及时报警是十分必要的。
本文以YOLOv5算法为基础,对行人摔倒检测数据集少,背景信息冗余、算法
计算量大,对计算机硬件要求过高等问题进行改进。
针对数据预处理时产生黑边多,提出改进马赛克方法通过对九张图片的随机拼
接减少黑边产生,增加了数据丰富度。针对复杂背景信息干扰,在YOLOv5的Neck
层加入注意力机制模块,加强对行人信息特征的关注,减小对其他背景信息特征的
关注,和原始YOLOv5算法进行比较,YOLOv5-CBAM-WBF算法的精确率、召回
率以及平均精度分别提升了3.2%、2%和3.9%。
为了满足自动扶梯场景中的实时性检测要求,通过使用跳帧的阈值检测算法,
充分利用像素灰度值信息来判断是否有行人出现来控制算法的执行,通过将特征提
取模块改为轻量化ShuffleNetv2模块,在特征融合阶段将普通卷积模块换为轻量化
GhostNet模块来减小模型计算量,减小对计算机硬件的要求,实现自动扶梯实时检
测。轻量化YOLOv5n仅仅牺牲1.4%的精确度但是检测速度提升了42.3FPS,表明该
改进算法对于自动扶梯行人实时检测效果有了显著提升。
关键词:YOLOv5算法;实时检测;CBAM注意力机制;轻量化模块
I
目录
中文摘要I
ABSTRACTII
1绪论1
1.1课题研究背景与意义1
1.2国内外研究现状2
1.2.1基于可穿戴传感器的跌倒检测2
1.2.2基于对环境部署传感器的人物摔倒检测方法3
1.2.3基于计算机视觉的跌倒检测3
1.3主要研究内容4
1.4论文组织结构5
2目标检测经典工作回顾6
2.1双阶段检测模型6
2.1.1R-CNN检测模型6
2.1.2FastR-CNN检测模型8
2.2单阶段检测模型9
2.2.1YOLOv1算法10
2.2.2YOLOv2算法11
2.2.3YOLOv3算法11
2.2.4YOLOv4算法12
2.2.5YOLOv5算法14
2.3本章小结17
3基于注意力机制与加权盒函数的YOLOv5的行人摔倒检测算法18
3.1Mosaic数据增强18
3.1.1改进Mosaic数据增强18
3.2加权框融合WBF19
3.3引入CBAM注意力机制22
3.4实验结果和分析25
3.4.1数据集介绍25
3.4.2指标介绍25
3.4.3实验结果与分析25
4扶梯行人摔倒实时检测31
4.1行人乘坐自动扶梯分析31
4.2像素阈值算法33
4.3轻量化YOLO检测模型34
4.3.1ShuffleNetv2轻量化特征提取35
4.3.2GhostNet轻量化特征融合37
4.4实验及结果分析39
4.4.1数据来源39
4.4.2数据集扩充39
4.4.3跳帧选取40
4.4.4轻量化实验对比42
4.4.5对
文档评论(0)