一种适用于离岗检测的目标跟踪算法

提出一种改进的适用于智能安防领域中离岗检测的目标跟踪算法,该算法结合均值漂移算法和粒子滤波算法的优点,先使用均值漂移算法对目标进行预跟踪,然后在此基础上使用粒子滤波对目标精确定位,在保证了跟踪准确率的前提下缩短了算法的计算时间。此外,针对监控视频大多分辨率低,目标辨识度不高等特点,在本文中,原始视频流的灰度信息和纹理信息被作为待跟踪目标的特征。实验结果证明,采用该混合特征的目标跟踪算法比其他同类算法在目标跟踪的准确率和实时性上具有更好的表现,能够适应更广泛的视频场景。

基于轻量化YOLOv4的离岗检测算法

针对值班室、保卫室等重要场景员工离岗导致实时性监督得不到保障的问题,提出一种轻量级离岗检测算法。首先,由于YOLOv4目标检测网络较复杂且算力消耗大,使用改进MobileNetV2替换原YOLOv4主干网络,并引入SandGlass模块,进一步减小计算量。而后使用空间金字塔池化和路径聚合网络增强多尺度特征信息融合。在GPU与Kria KV260上的实验表明,轻量化YOLOv4算法以3.5%的算法精度为代价,提升100 FPS。且基于轻量化YOLOv4算法的离岗检测算法可达96.87%的准确率,充分发挥了FPGA边缘设备低功耗、数据处理高效的优点。