摘要
在大学校园中，学生想找到一个空闲的自习座位需要花费一定的时间。为给高校学生提供自习教室人数、座位空闲或占用的实时状态信息，本文提出一种基于YOLOv5的目标检测算法YOLOv5-SPD-K210,并将其应用于基于嵌入式深度学习图像识别的教室人数检测系统。首先，对YOLOv5目标检测算法通过Conv-SPD进行优化，接着对其进行稀疏通道剪枝，然后对数据集进行预处理以减少干扰信息，最后将目标检测算法移植至基于K210的嵌入式芯片上。通过多端系统协作，达到为学生实时提供自习教室座位占用或空闲状态的目的，学生通过本系统，可以轻松的找到满意的自习座位。本文的主要工作如下: 1.针对数据集缺乏的问题，本文将内蒙古某高校的教室监控视频按照一定的原则制作成教室图像数据集，并且采用图像处理技术，对数据集中图像进行光线补偿以及座位矫正。 2.针对YOLOv5对小目标、低分辨检测能力不足的问题，本文采用将原本YOLOv5的卷积层替换为Conv-SPD的方法对YOLOv5进行改进，提高教室后排小目标、低分辨率区域的检测精度。 3.针对目标检测算法网络模型较大的问题，采用稀疏通道剪枝方案，对目标检测模型进行压缩，形成一种紧凑型目标检测算法YOLOv5-SPD-K210,在保证精度的前提下提高目标检测速度的目的，使模型适宜于移植至嵌入式开发平台中。 4.针对嵌入式端网络传输图片信息量较大的问题，采用嵌入式实时推理并将座位情况与位置信息传输至边缘服务器端，边缘服务器将座位信息保存并计算人数，手机APP通过访问边缘服务器实时获取座位情况与位置信息并展示给学生用户。 经实验验证，本文采用的教室人数检测算法，可以对教室的座位情况进行正确判断，能实时检测教室人数与座位情况。在台式机上，YOLOv5-SPD-K210的mAP可达到97.6％,FPS可达到75;在K210上，mAP达到82.8％,FPS为34,达到了实时教室人数检测的要求。
NETL