文献类型：期刊文章

作　　者：程亮[1,2] 吴兴辉[3] 江云华[2] 苏雄[2] 吴佳晓[2] 周辉[3] 丁美有[3] 何赟泽[4]

Cheng Liang;Wu Xinghui;Jiang Yunhua;Su Xiong;Wu Jiaxiao;Zhou Hui;Ding Meiyou;He Yunze(School of Ocean Engineering,Jiangsu Ocean University,Lianyungang 222005,China;Zhuhai Yunzhou Intelligent Technology Co.,Ltd.,Zhuhai 519085,China;College of Electrical and Information Engineering,Hunan University,Changsha 410006,China)

机构地区：[1]江苏海洋大学海洋工程学院,连云港222005 [2]珠海云洲智能科技有限公司,珠海519085 [3]湖南大学电气与信息工程学院,长沙410006 [4]湖南大学电气与信息工程学院仪器科学与技术系,长沙410006

出　　处：《电子测量与仪器学报》

基　　金：湖南省自然科学基金重大项目;珠海云洲智能科技有限公司委托课题项目资助。

年　　份：2022

卷　　号：36

期　　号：8

起止页码：43-51

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对水域环境下人员识别,提出了一种基于水面无人船(unmanned surface ship, USV)视觉传感器的水域人员类别识别算法。依照数据采集与模型更新流程,将采集到的视频数据进行数据清洗与标记后,创建人员类别数据集39 959张图片,7个类别;实践了基于深度学习方法下主流目标检测网络YOLO v5,并针对水域环境场景特点,提出基于YOLO v5的人员类别识别算法;将人员类别识别算法部署到边缘计算平台,实现算法在无人船上的实时应用。算法在人员类别识别数据集上达到了平均精度86%,在无人船实测中实现了每秒处理38帧的人员类别识别实时性表现。

关 键 词：水面无人船  水域人员识别  YOLO v5  网络部署

分 类 号：TH98[机械类] TP391.4]