机器视觉应用技术行人检测.docxVIP

机器视觉应用技术行人检测

一、实验目的

1.了解基于深度学习的行人检测技术。

2.掌握行人检测模型的算法开发。

3.掌握AiCam框架的部署和使用。

二、实验内容

1.算法原理

1.1基本描述

实时视频流中的自动人员检测和统计在智能视频监控中很重要，也是智慧城市的一个关键应用。监控系统中的行人检测技术包括异常事件检测、人类步态、人群拥挤、性别分类、老年人跌倒检测等，这些检测对于公共领域的安全至关重要。例如，在商场中，它可以用来帮助商场分析室内和室外场景中的访客流量。

1.2模型描述

本实验采用的是Yolov3模型实现行人的检测，Yolov3是在计算机视觉领域应用的非常广泛的一个深度学习的模型，在目标检测、物体识别等任务中表现也非常出色。

Yolov3模型一共包含107层，0-74层为卷积层和res层，其目的是提取图片的上层特征，75-106层是三个yolo分支，使得模型具备检测、分类和回归的功能。由此可见Yolov3模型结构相对来时还是比较复杂。为了兼顾Yolov3在目标检测、物体识别的速度劣势，Yolov3-tiny是在yolov3模型基础上的一个简化，其作用就是为了兼顾准确率的同时适应训练、推理速度要求比较高的业务场景。Yolov3-tiny就是在Yolov3的基础上去掉了一些特征层，只保留了2个独立预测分支。

以下是Yolov3模型结构示意图：

2.功能设计

2.1功能描述

AiCam人工智能轻量化应用框架是一款面向于人工智能边缘应用的开发框架，采用统一模型调用、

统一硬件接口、统一算法封装和统一应用模板的设计模式，实现了嵌入式边缘计算环境下进行快速的应

用开发和项目实施。

AiCam为模型算法的调用提供RESTful调用接口，实时返回分析的视频结果和数据，同时通过物

联网云平台的应用接口，实现与硬件的连接和互动，最终形成各色智联网产业应用。

三、实验步骤

1.工程部署

1.1硬件部署

1）准备人工智能边缘应用平台，给边缘计算网关正确连接Wi-Fi天线、摄像头、电源。

2）按下电源开关上电启动边缘计算网关，将启动ubuntu操作系统。

3）系统启动后，连接局域网内的Wi-Fi网络，记录边缘计算网关的IP地址，比如：192.168.100.200。

1.2工程部署

1）运行MobaXterm工具，通过SSH登录到边缘计算网关（参考附录2）。

2）在SSH终端创建实验工作目录：

$mkdir-p~/aicam-exp

3）通过SSH将本实验工程代码和aicam工程包（DISK-AILab\02-软件资料\02-综合应用\aicam.zip）

上传到~/aicam-exp目录下（文件的上传参考附录2）。

4）在SSH终端输入以下命令解压缩实验工程：

$cd~/aicam-exp

$unzipcar_detection.zip

$unzipaicam.zip-dcar_detection

2.工程运行

1）在SSH终端输入以下命令运行实验工程：

3.行人检测

1）点击应用左侧的菜单选择“行人检测”，应用将会在返回的视频流画面中检测是否有人。

2）当摄像头视窗中出现人时，应用将会在实时视频流上面将行人框出来，在实验结果处，会显示行人的坐标信息。