文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.212121
中文引用格式： 王均成，賀超，趙志源，等. 基于YOLOv3-tiny的視頻監(jiān)控目標(biāo)檢測(cè)算法[J].電子技術(shù)應(yīng)用，2022，48(7)：30-33，39.
英文引用格式： Wang Juncheng，He Chao，Zhao Zhiyuan，et al. Video surveillance object detection method based on YOLOv3-tiny[J]. Application of Electronic Technique，2022，48(7)：30-33，39.
0 引言
近年來(lái)，目標(biāo)檢測(cè)算法已經(jīng)廣泛應(yīng)用于各個(gè)視頻監(jiān)控場(chǎng)景，包括車輛檢測(cè)[1]、行人檢測(cè)[2]、農(nóng)業(yè)檢測(cè)[3]、人類異常行為檢測(cè)[4]等，越來(lái)越復(fù)雜的目標(biāo)檢測(cè)網(wǎng)絡(luò)展示了最先進(jìn)的目標(biāo)檢測(cè)性能。但在實(shí)際應(yīng)用中，往往需要在視頻監(jiān)控中一些計(jì)算能力及內(nèi)存有限的設(shè)備上進(jìn)行實(shí)時(shí)目標(biāo)檢測(cè)。例如，嵌入式平臺(tái)視頻監(jiān)控，其可用計(jì)算資源一般僅限于低功耗嵌入式圖形處理單元(Graphic Processing Unit，GPU)。這極大地限制了此類網(wǎng)絡(luò)在相關(guān)領(lǐng)域的廣泛應(yīng)用，使得在資源受限設(shè)備上實(shí)現(xiàn)實(shí)時(shí)目標(biāo)檢測(cè)非常具有挑戰(zhàn)。
為了實(shí)現(xiàn)資源有限設(shè)備上目標(biāo)檢測(cè)這一挑戰(zhàn)，人們對(duì)研究和設(shè)計(jì)低復(fù)雜度的高效神經(jīng)網(wǎng)絡(luò)體系架構(gòu)越來(lái)越感興趣。而著名的YOLO[5](You Only Look Once，YOLO)則是圍繞效率設(shè)計(jì)的一階段目標(biāo)檢測(cè)算法，它可以在高端圖形處理器上實(shí)現(xiàn)視頻監(jiān)控目標(biāo)高效檢測(cè)。然而對(duì)于許多資源受限監(jiān)控設(shè)備來(lái)說(shuō)，這些網(wǎng)絡(luò)架構(gòu)參數(shù)量大且計(jì)算復(fù)雜度較高，使得在嵌入式等監(jiān)控設(shè)備上運(yùn)行時(shí)推理速度大幅下降。YOLOv3[6]是YOLO系列應(yīng)用在各領(lǐng)域最普遍的算法，YOLOv3-tiny則是在該算法的基礎(chǔ)上簡(jiǎn)化的，雖然精度顯著下降但具有了更少計(jì)算成本，這大大增加了在資源受限監(jiān)控設(shè)備上部署目標(biāo)檢測(cè)算法的可行性。
本文詳細(xì)內(nèi)容請(qǐng)下載：http://www.shi-ke.cn/resource/share/2000004582。
作者信息：
王均成1，2，3，賀 超1，2，3，趙志源1，2，3，鄒建紋1，2，3
(1.重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶400065；
2.先進(jìn)網(wǎng)絡(luò)與智能互聯(lián)技術(shù)重慶市高校重點(diǎn)實(shí)驗(yàn)室，重慶400065；3.泛在感知與互聯(lián)重慶市重點(diǎn)實(shí)驗(yàn)室，重慶400065)
