改进YOLO-RE的机房俯拍人员检测算法

针对目前数据中心监控审查采用传统人工对监控视频里的人员数量进行抽检,极其耗费人力的缺点,本文采用YOLOv7作为基线深度学习模型,提出了一种改进YOLO-RE的机房人员检测算法。首先采用SPPFCSPC网络替换原SPPCSPC模块,在保持感受野不变的情况下,提升了检测速度。然后,采用EIOU损失,优化了纵横比的模糊定义问题,并添加Focal Loss聚焦优质的锚框,解决样本不平衡的问题。最后,针对因机房枪机拍摄角度与高度使画面中通常存在较小的人员目标问题,增加小目标检测头,充分利用大尺度特征,提高小目标检测能力。实验结果表明,在现场采集的数据集上,本文方法的平均检测精度约89.7%,提高了自主检测精度和视频抽检效率,为保障数据中心的监控安全提供技术支撑。