基于 Faster RCNN 的串行双通道图书馆占座检测系统
计算机视觉与模式识别
2023-08-21 v2
摘要
高校图书馆中的座位占用现象是一个普遍问题。然而，现有方案（如基于软件的座位预约和基于传感器的占用检测）已被证明不足以有效解决该问题。在本研究中，我们提出了一种新方法：基于 Faster RCNN 的串行双通道目标检测模型。该模型旨在识别图书馆内所有被占用的座位实例，并持续更新关于座位占用状态的实时信息。为训练神经网络，我们使用了一个独特的数据集，其将使用虚幻引擎 5（UE5）生成的虚拟图像与真实世界图像相混合。值得注意的是，我们的测试结果突显了在训练卷积神经网络（CNNs）时应用自生成虚拟数据集所实现的显著性能提升，尤其在专门场景中。此外，本研究引入了一种开创性检测模型，其将基于 Faster R-CNN 的目标检测框架与基于迁移学习的对象分类算法无缝融合。这种融合不仅显著削减了神经网络训练所需的计算资源和时间投入，还大幅提高了单帧检测率的效率。另外，我们精心开发了用户友好的 Web 界面和移动应用，构成了用于检测图书馆内座位占用的计算机视觉驱动平台。值得注意的是，座位占用识别精度的大幅提升，连同神经网络训练所需计算资源的减少，共同显著提高了图书馆座位管理的整体效率。
引用
@article{arxiv.2306.16080,
title = {A serial dual-channel library occupancy detection system based on Faster RCNN},
author = {Guoqiang Yang and Xiaowen Chang and Zitong Wang and Min Yang},
journal= {arXiv preprint arXiv:2306.16080},
year = {2023}
}