基于轻量化DeepSort的人数统计系统设计

需积分: 1 0 下载量 157 浏览量 更新于2024-08-03 1 收藏 9.54MB PDF 举报
"基于轻量化DeepSort的人数统计" 这篇论文主要介绍了一种基于轻量化DeepSort的人数统计系统,旨在检测学校教室或图书馆的人流量。该系统结合了YOLOv5和轻量化DeepSort,采用CIoUloss回归损失和DIoU-NMS非极大抑制,提高了目标检测效果和定位精度。同时,系统还使用了轻量级网络ShuffleNetV2对特征提取模型重新训练,减小了模型的参数网络复杂度,并保持了良好的精确度。 该系统的优点在于其端到端的方式对行人目标进行高效追踪,缩小后的模型体积仅为原模型的5%,大大改善了对遮挡行人的检测性能。实验结果表明,系统可以较准确地统计出人流量与行速,并提高了鲁棒性。 论文中还讨论了多目标追踪、目标检测、YOLOv5、DeepSort和深度学习等相关技术。这些技术的应用有助于提高人数统计的准确性和效率。 该论文为读者提供了一个基于轻量化DeepSort的人数统计系统的设计和实现方案,具有很高的参考价值,适合学习借鉴参考,为类似项目的开发或写作提供专业知识介绍及思路。 知识点: 1. 轻量化DeepSort:一种基于深度学习的目标检测算法,能够实时检测和追踪多个目标。 2. YOLOv5:一种实时目标检测算法,能够快速检测图像中的目标。 3. CIoUloss回归损失:一种损失函数,用于提高目标检测的精度和效率。 4. DIoU-NMS非极大抑制:一种非极大抑制算法,用于提高目标检测的精度和效率。 5. ShuffleNetV2:一种轻量级网络,能够减小模型的参数网络复杂度,并保持良好的精确度。 6. 多目标追踪:一种计算机视觉技术,能够追踪和检测多个目标。 7. 目标检测:一种计算机视觉技术,能够检测和识别图像中的目标。 8. 深度学习:一种机器学习技术,能够学习和识别图像、语音、文本等数据。 9. 人数统计:一种计算机视觉应用,能够统计人流量和行速。 10. 图像处理:一种计算机视觉技术,能够处理和分析图像数据。