![](https://csdnimg.cn/release/download_crawler_static/86321042/bg1.jpg)
收稿日期
: 2019-01-02;
修回日期
: 2019-04-02;
录用日期
: 2019-04-03。
基金项目
:
国家自然科学基金资助项目
( 61806220) 。
作者简介
:
张洋硕
( 1995—) ,
男
,
河南三门峡人
,
硕士研究生
,
主要研究方向
:
计算机视觉
、
目标检测
;
苗壮
( 1976—) ,
男
,
辽宁辽阳人
,
副教
授
,
博士
,
主要研究方向
:
人工智能
;
王家宝
( 1985—) ,
男
,
安徽肥西人
,
讲师
,
博士
,
主要研究方向
:
模式识别
、
图像检索
;
李阳
( 1984—) ,
男
,
河北廊坊人
,
讲师
,
博士
,
主要研究方向
:
机器视觉
、
机器学习
。
文章编号
: 1001-9081( 2019) 08-2230-05 doi: 10. 11772 /j. issn. 1001-9081. 2018122595
基于
Movidius
神经计算棒的行人检测方法
张洋硕
*
,
苗 壮
,
王家宝
,
李 阳
(
陆军工程大学 指挥控制工程学院
,
南京
210007)
( *
通信作者电子邮箱
17625944869@ 163. com)
摘 要
: Movidius
神经计算棒是基于
USB
模式的深度学习推理工具和独立的人工智能加速器
,
为广泛的移动和
嵌入式视觉设备提供专用深度神经网络加速功能
。
针对深度学习的嵌入式应用
,
实现了一种基于
Movidius
神经计算
棒的近实时行人目标检测方法
。
首先
,
通过改进
RefineDet
目标检测网络结构使模型大小和计算适应嵌入式设备的要
求
;
然后
,
在行人检测数据集上对模型进行重训练
,
并部署于搭载
Movidius
神经计算棒的树莓派上
;
最后
,
在实际环境
中对模型进行测试
,
算法达到了平均每秒
4
帧的处理速度
。
实验结果表明
,
基于
Movidius
神经计算棒
,
在计算资源紧
张的树莓派上可完成近实时的行人检测任务
。
关键词
:
行人检测
;
深度学习
;
树莓派
; Movidius;
嵌入式设备
中图分类号
: TP183; TP391. 4
文献标志码
: A
Pedestrian detection method based on Movidius neural computing stick
ZHANG Yangshuo
*
, MIAO Zhuang, WANG Jiabao, LI Yang
( College of Command and Control Engineering, Army Engineering University, Nanjing Jiangsu 210007, China)
Abstract: Movidius neural computing stick is a USB-based deep learning inference tool and a stand-alone artificial
intelligence accelerator that provides dedicated deep neural network acceleration for a wide range of mobile and embedded
vision devices. For the embedded application of deep learning, a near real-time pedestrian target detection method based on
Movidius neural computing stick was realized. Firstly, the model size and calculation were adapted to the requirements of the
embedded device by improving the RefineDet target detection network structure. Then, the model was retrained on the
pedestrian detection dataset and deployed on the Raspberry Pi equipped with Movidius neural computing stick. Finally, the
model was tested in the actual environment, and the algorithm achieved an average processing speed of 4 frames per second.
Experimental results show that based on Movidius neural computing stick, the near real-time pedestrian detection task can be
completed on the Raspberry Pi with limited computing resources.
Key words: pedestrian detection; deep learning; Raspberry Pi; Movidius; embedded device
0
引言
行人检测是目标检测的重要分支
,
可用于多种不同领域
,
如视频监控
、
人员识别和智能汽车驾驶系统
。
在现实生活中
,
由于视频或图像中行人姿态
、
物体遮挡
、
服装
、
灯光变化和复
杂背景的多样性
,
行人检测在计算机视觉中仍是一个具有挑
战性的任务
。
近年来
,
深度学习极大地推动了行人检测技术
的发展
,
在计算机视觉领域引起了广泛的关注
;
但是
,
深度学
习中的行人检测模型在面向实际应用时还存在着诸多问题亟
待解决
。
行人检测根据处理过程一般可以分解为生成候选窗口
、
特征提取和特征分类三个步骤
。
经典的行人检测方法通常使
用基于滑动窗口的方法生成候选窗口
,
使用梯度方向直方图
( Histogram of Oriented Gradients,HOG)
[1]
或尺度不变特征变
换
( Scale-Invariant Feature Transform,SIFT)
[2]
作为特征
,
并使
用支持向量机
( Support Vector Machine,SVM)
或自适应集成
分类器
( AdaBoost)
作为特征分类方法
;
但这些方法大多基于
手工特征
,
刻画的是低层次信息
,
缺乏对行人高层次语义信息
的描述
。
近年来
,
随着深度学习技术的发展
,
深度神经网络已
被广泛应用于行人检测任务
。
与传统方法不同的是
,
深度学
习通过深层卷积网络操作抽取图像的高级语义信息来描述行
人
,
具有更好的描述能力
。
与此同时
,
伴随计算机硬件性能的
不断提高
,
行人检测算法也在不断优化
。
郭爱心等
[3]
在更
快
、
更富有特征层次的卷积神经网络
( Faster Regions with
Convolutional Neural Network feature,Faster R-CNN)
通用目标
检测框架
[4]
的基础上
,
针对行人特点提出了行人区域建议网
络
;
针对小尺度行人特征信息不足
,
提出了多层次特征提取和
融合的方法
;
陈光喜等
[5]
通过设计一个网络与统一的实时监
测目标检测
YOLOv2( You Only look Once)
网络
[6]
级联
,
解决
了复杂环境下行人检测不能同时满足高召回率与高效率检测
的问题
;
徐超等
[7]
提出一种改进的基于卷积神经网络的行人
检测方法
,
使卷积神经网络能选择出更优模型并获得定位更
Journal of Computer Applications
计算机应用
,2019,39( 8) : 2230 - 2234
ISSN 1001-9081
CODEN JYIIDU
2019-08-10
http: / /www. joca. cn