典型文献
基于MobileNet-YOLO的嵌入式人脸检测研究
文献摘要：
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％.
文献关键词：
人脸检测;嵌入式系统;深度学习;果园
中图分类号：
作者姓名：
项新建;宋晓敏;郑永平;王海波;方政洋
作者机构：
浙江科技学院,杭州市,310023
文献出处：
引用格式：
[1]项新建;宋晓敏;郑永平;王海波;方政洋-.基于MobileNet-YOLO的嵌入式人脸检测研究)[J].中国农机化学报,2022(04):124-130
A类：
B类：
MobileNet,人脸检测,果园,检测过程,光斑,树木,阴影,复杂背景,定检,检测精度,较远,远距离,深度学习方法,距离检测,昂贵,实时传输,轻量级,检测算法,高检,检测距离,嵌入式设备,接进,降低成本,LBPH,人脸识别,别处,存储传输,Jetson,Nano,2G,成本基础,搭载,GPU,运算能力,SSD,检测速度,检测准确率,YOLOv4,tiny,嵌入式系统
AB值：
0.418628
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
