基于TinyYOLOv2的輕量化人流監控裝置的設計與實現

逯雨辰，梅健強

（天津職業技術師范大學 電子工程學院，天津 300222）

0 引 言

公共場所人流密度監控是對指定空間和時間范圍內的人員數量信息進行統計量化的方法，是實現人員身份識別的重要基礎，對降低疫情常態化下交叉感染風險具有重要意義。當前公共場所人流密度監控大多通過人工目視方法進行，檢測效率低、功能單一，易受監控人員主觀因素影響造成統計錯誤，且速度和精度難以滿足實時要求。視頻圖像分析監控人流的方案十分具有前景，是計算機視覺領域長期活躍的基礎性問題，隨著計算機科學技術的不斷發展，越來越多基于人工智能，特別是基于深度學習的特征檢測技術不斷涌現，成為目前視頻圖像分析監控研究的熱點問題。

1 系統設計

本裝置旨在通過TinyYOLOv2神經網絡對數字圖像傳感器采集的圖像進行處理，檢測圖像內是否存在人臉目標并對其進行標記，同時統計當前圖像內存在的目標數量、估算本裝置單次運行周期內檢測到的目標總數，并最終實現監控區域內部人流量的目的。

1.1 TinyYOLOv2介紹

YOLO算法作為一種“單階段”檢測算法，在處理圖片時，首先會將圖片縮放為448×448像素，以匹配全連接層對于固定大小向量輸入的需求。此外，YOLO算法先將圖片分割為7×7的網格（grid），并允許每個網格出現2個邊界框，總計98個候選區域，隨后再對每個候選區域進行目標識別以及定位。YOLOv2算法在YOLO算法的基礎上進一步優化，采用了稱為Darknet-19的網絡模型結構，計算量減小約33%，速度更快、準確率更高、可識別的對象更多。……