基于深度学习的教室人数统计方法

摘要

为了提高教室视频人数统计的准确率,提出了一种基于深度学习的教室人数统计方法.该方法在使用YOLO v5模型作为基础模型,可以很好地实现快速检测和小物体检测的检测目标,但为了更好地进行交叠、遮挡等情境下的物体检测,对YOLO v5模型进行了改进.主要从3方面进行了改进:(1)在图像预处理阶段进行了畸变矫正;(2)在YOLO v5的损失函数进行了改进;(3)为了实现更好的检测效果,将人头与人脸分开来进行检测,并利用视频多帧图像信息,很好地实现交叠、遮挡的检测问题,再利用教室座位的网格信息将人头、人脸的检测统计结果进行相融合,避免出现人头、人脸重复统计的问题.实验证明,改进的深度学习物体检测模型具有更好的泛化能力,在能够进行快速检测和小物体检测的检测目标的基础上,又可以很好地实现交叠、遮挡等复杂情形下的人数统计.