首页> 中文期刊> 《中国农机化学报》 >基于MobileNet-YOLO的嵌入式人脸检测研究

基于MobileNet-YOLO的嵌入式人脸检测研究

         

摘要

在果园人脸检测过程中,一般人脸检测方法在光斑、树木阴影等复杂背景的影响下难以进行准确的检测,或拥有一定检测精度时无法检测较远距离的人脸。深度学习方法可以实现高精度、远距离检测,但需要昂贵的设备或通过云平台实时传输拍摄信息进行检测,成本过高。通过构建MobileNet-YOLO轻量级深度学习人脸检测算法,提高检测精度与检测距离的同时适用于嵌入式设备,使设备能直接进行人脸检测,降低成本,经LBPH人脸识别处理,仅对检测到人脸的图片进行保存与上传,减轻存储传输压力。选用嵌入式设备为Jetson Nano 2G与一般嵌入式设备相比在相同成本基础上搭载GPU提高了运算能力,更具经济性。试验结果表明,人脸检测算法检测距离达8 m,相较于SSD算法,检测速度提高1.92帧/s,检测的正脸准确率为99.91%,侧脸检测准确率为96.66%,相较于YOLOv4-tiny算法,正脸检测准确率提高0.93%,侧脸检测准确率提高0.12%。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号