计算机工程

作者：陈天宇, 楚程钱, 万思远, 万永菁, 孙静

单位：1. 华东理工大学 信息科学与工程学院, 上海 2002372. 上海卓希智能科技有限公司 研发部, 上海 201611

关键词：视频入侵检测,高斯混合模型,信息熵,轻量级神经网络,条件计算,模型剪裁

基金：国家自然科学基金(61872143)

机场安防场景需要快速准确地对入侵目标进行检测及报警，现有的算法计算量大，无法满足实时处理需求。针对该问题，结合传统高斯混合模型的前景提取算法与轻量级神经网络，设计基于条件计算的轻量级入侵检测算法。在前景提取阶段使用基于信息熵的自适应学习因子更新算法动态更新高斯混合模型的学习因子，减小高斯混合模型面对镜头突入时造成模型失效的概率。目标检测阶段以ResNeXt作为主干网络，将小型ResNet作为策略网络，使混合感受野的深度可分离卷积作为残差块，设计基于条件计算的轻量级神经网络，降低网络推理时的计算量。实验结果表明，该算法在监控视频数据集和OTB100数据集上的误检率分别4.4%、9.2%，漏检率分别为2.3%、9.8%，与Faster-YOLO等传统目标检测算法相比，该算法在保证检测精度的情况下使检测速度平均提高了2.6倍。

来源：2023年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第12期