标签：口罩 检测 CVPR 2020 任务书 密度 Recognition
题目
嵌入式口罩及人员密度检测系统设计
内容：
新冠疫情常态化防控中，公众密集场所中对佩戴口罩的检测以及人员密度的控制是必要的。本课题旨在设计一种嵌入式的口罩以人员密度检测系统。主要内容包括：
1、查阅文献，掌握英伟达Jeston TX2硬件、端口配置与系统安装；学习目标检测、卷积神经网络等相关知识；
2、采集视频，实现基于YOLO算法的人脸检测及口罩检测，对佩戴口罩与否进行判断；
3、实现基于卷积神经网络的人员密度检测；
4、利用英伟达Jeston TX2进行系统构建；
5、从硬件选型、系统构建成本、性能等角度对系统进行分析。
1、在百人图像集规模上，口罩检测的准确率不低于90%；
2、在百人图像集规模上，人员密度检测准确率不低于90%；
3、系统运行帧率在16FPS以上；
4、采用 Python 语言编程；
学习时间：
第七学期：
第15-16周 查阅资料，学习目标检测算法相关知识；
第17-18周 查阅资料，学习卷积神经网络相关知识，撰写开题报告；
第八学期：
第1-2周 整理资料，梳理口罩检测和人员密度检测的嵌入式系统的研究方案和技术路线，修改并完善后提交开题报告；
第3-5周 完成硬件系统搭建，安装操作系统，完成口罩检测算法的图像标注和训练；
第6-8周 采集视频，测试口罩检测的实时性和准确性；完成中期检查；
第9-12周 利用行人检测算法实现密度统计，并在视频上进行测试；
第13-14周 界面开发，测试整体系统的准确率和实时性；
第15-16周 撰写论文并进行答辩。
主要参考文献和书目：
[1]乔•米尼奇诺. opencv3计算机视觉python语言实现[M].北京：机械工业出版社, 2016.
[2]Adrian Kaehler, Gary bradski著，刘昌祥等译.学习openCV3（中文版）[M].北京：清华大学出版社, 2018.
[3] J. Wu, C. Zhou, M. Yang, Q. Zhang, Y. Li and J. Yuan. Temporal-Context Enhanced Detection of Heavily Occluded Pedestrians. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Seattle, WA, USA, 2020, pp. 13427-13436.
[4] X. Chu, A. Zheng, X. Zhang and J. Sun. Detection in Crowded Scenes: One Proposal, Multiple Predictions. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Seattle, WA, USA, 2020, pp. 12211-12220.
[5] Y Shi，X Yu，K Sohn，M Chandraker，AK Jain. Towards Universal Representation Learning for Deep Face Recognition [C]. Proceedings of 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Seattle, WA, USA, 2020, 6816-6825.
[6] S Zhang，C Chi，Y Yao，Z Lei，SZ Li. Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection[C]. Proceedings of 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2020: 9756-9765.
标签：口罩,检测,CVPR,2020,任务书,密度,Recognition 来源： https://blog.csdn.net/weixin_41561293/article/details/112273017
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。