井下视频行人检测方法

针对现有基于深度学习的行人检测方法存在计算量较大、检测效率严重依赖硬件性能等问题，对基于SSD网络的行人检测方法进行改进，设计了一种基于DenseNet网络的轻量级卷积神经网络作为SSD网络的基础网络，以满足井下视频行人实时检测需求，并设计了基于ResNet网络的辅助网络，以增强特征表征能力，提高行人检测准确性。将基于改进SSD网络的井下视频行人检测方法部署在嵌入式平台JetsonTX2上进行实验，结果表明该方法对井下视频中行人的检测准确率为87.9%，针对井下行人低密度场景的检测准确率近100%，且运算速度达48帧/s，约为基于SSD网络的行人检测方法的4.4倍，满足井下行人实时检测需求。