计算机工程

作者：史钰祜, 张起贵

单位：太原理工大学 信息与计算机学院, 山西 晋中 030600

关键词：视频目标检测,局部注意,特征传播,深度可分离卷积,动态分配,异步检测

基金：山西省自然科学基金（2013011017-3）；太原理工大学科技创新基金（9002-03011843）。

视频目标检测是对视频内的目标进行准确分类与定位。现有基于深度学习的视频目标检测方法通过光流传播特征，不仅存在模型参数量大的问题，而且直接将光流应用于高层特征难以建立准确的空间对应关系。提出一种轻量级的视频目标检测方法。通过设计一种特征传播模型，在不同帧的局部区域内将高层特征从关键帧传播到非关键帧，并将有限的计算资源分配给关键帧，以加快检测速度。构建动态分配关键帧模块，根据目标运动速度动态地调整关键帧选择间隔，以减少计算量并提高检测精度。在此基础上，为进一步降低最大延迟，提出异步检测模式，使得特征传播模型和关键帧选择模块协同工作。实验结果表明，该方法的检测速度和最大延迟分别为31.8 frame/s和31 ms，与基于内存增强的全局-局部聚合方法相比，其在保证检测精度的前提下，具有较快的检测速度，并且实现实时在线的视频目标检测。

来源：2022年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第5期