论文部分内容阅读
渔船驾驶舱是渔船安全航行的核心部分,许多渔船的安全事故都是由于驾驶舱值班人员违规操作造成的,利用视频监控技术对渔船驾驶舱值班人员进行人员检测和人数识别,对整个渔船的安全有着至关重要的意义。嵌入式平台具有体积小、功耗低、便于部署等特点,针对渔船船舱内空间狭小、船载电子设备需满足防水、防腐、防盐雾的无风扇设计要求等问题,论文选择嵌入式平台作为船舱人员视频检测的硬件平台。但是由于视频处理需要大量的运算,对硬件处理器的性能也有较高的要求,普通的嵌入式平台的计算性能无法满足要求,而拥有低功耗、高性能的嵌入式GPU成为解决这个问题的一个有效途径。本文所做的主要工作如下:(1)分析现有渔船安全监控系统中人员检测模块存在的问题,针对现有基于OpenCV和HOG特征的船舱人员检测系统检测准确率不高、检测速度较慢等问题,提出基于嵌入式GPU的船舱人员视频检测解决思路。(2)搭建基于YOLO目标检测框架的嵌入式船舱人员视频检测系统。为了提高系统检测的准确度,针对渔船驾驶舱的特殊场景进行建模,制作渔船驾驶舱专用数据集,在此基础上训练得出专用于渔船驾驶舱人员检测的模型。在嵌入式处理平台NVIDIA Jetson TX1上完成系统实现,测试结果表明,系统在检测准确率方面与现有船舱人员检测系统相比提高了10%,检测速度提高达到了近30倍。但是,系统的功耗也大大增加,长时间运行需要散热风扇的支持,无法完全适应渔船船舱环境无风扇系统的要求,并且系统实现的硬件成本亦大大提高。考虑到基于深度学习的YOLO目标检测框架实现模型较为复杂,并且受CUDA指定的硬件平台的限制。选择计算核心同为卷积神经网络表示的DPM算法。(3)搭建基于嵌入式GPU并行化DPM人员检测算法的低功耗船舱人员视频检测系统。对DPM算法进行了充分的理论研究,完成了算法在嵌入式Linux的移植工作,并对算法进行耗时分析和并行性分析,确定限制算法检测速度的瓶颈模块,利用可跨平台的OpenCL异构编程模型对算法进行并行性优化,提高算法的检测效率。在渔船驾驶舱专用数据集的基础上,训练了专用于渔船驾驶舱人员检测的多组件模型,保证算法的检测准确性。在嵌入式平台Firefly RK3288上完成了系统的实现。实验结果表明,经过性能测试和对比分析,与现有基于OpenCV和HOG特征的船舱人员视频检测系统相比,优化后的DPM算法检测准确率可以提高10%以上,检测速度提高7倍;与基于YOLO目标检测框架的嵌入式船舱人员视频检测系统相比,检测速度略有不足,但是功耗降低至7W以下,可以满足渔船船载电子设备无风扇设计的要求,并且硬件成本也大大降低。最终综合检测准确率、检测速度、功耗以及成本考虑,本文提出的基于嵌入式GPU并行化DPM算法的低功耗船舱人员视频检测系统是一种可以兼顾低成本、低功耗以及较高性能的人员检测系统,对于在特殊应用场景下的人员检测技术应用具有一定的借鉴意义。