面向嵌入式系统的高精度实时人群计数算法研究

针对大部分基于深度学习的方法在一些计算力低的嵌入式设备中难以保证速度和精度上同时满足实际需求的问题,本文提出了一种面向嵌入式设备的基于深度学习的快速人群计数算法。本文首先设计了弱计算力平台加速网络(LPANet),结合单阶段目标检测算法对图像中出现的人体头肩区域进行快速检测,然后引入快速多目标跟踪算法对连续多帧的检测结果进行轨迹关联,进而进行准确的人群计数。本文建立了完备的头肩数据集对算法进行验证,算法以640×480的分辨率在ARM平台(双核cortex-A72)上获得20帧/s的运行速度和1.15的计数平均绝对误差精度。基于深度学习的头肩检测结合跟踪的人群计数算法为嵌入式设备在多种场景下的应用提供了可行方案。