摘要
随着智慧车站和云计算的迅速发展,地铁站内大规模视频监控系统行人检测的部署愈发重要,在客流监测、乘客引导和行为警示等方面发挥着人力不能及的重要作用.在实际工程应用中,受到计算资源有限以及多尺度多角度遮挡的困难样本带来错漏检的不利影响,为此提出一种轻量化行人检测算法MCA-YOLOv5s.首先使用Mobile Netv3代替YOLOv5主干网络,实现网络模型轻量化处理,并用PConv代替Mobile Netv3网络中的DWConv,减少冗余计算和内存访问;其次在特征融合阶段的C3模块中融入坐标注意力机制,使模型更加关注行人的位置信息;同时将损失函数CIoU替换为Alpha IoU以增加High Loss目标的权重和边界框的回归精度;最后通过FPGM剪枝压缩改进后的网络模型,提升模型加载和运行速度.将改进后的模型部署在华为Atlas 300 AI加速卡中,对地铁站内行人进行检测,其平均精度达到94.1%,检测速度为104.1 fps.实际工程实践表明,改进后的算法检测速度提升71.8%,节省了站内硬件部署资源,更满足地铁大客流下的行人监测和管理的工程实际需求.
- 单位