陈佳林 和青 李云波 潘志松

（中国人民解放军陆军工程大学指挥控制工程学院 江苏省南京市 210007）

工业园区的视频监控是保证园区开展安全生产的重要组成部分。大部分情况下，需要布设多个摄像头全方位覆盖园区内的各条道路以全方位的进行监控。采用人工方式对图像进行判别的可信度较高，但是需要耗费人力资源。随着深度学习问世以来，人工智能领域发展迅速，也给视频目标检测领带来了新的突破，文献[1]提出基于TensorFlow 的输电线异物识别方法。运用人工智能中目标检测的方法可以代替人工进行目标检测同时也能取得较高的精度。但不便于在硬件有限的情况下部署。

对于园区内的行人和车辆进行检测属于目标检测任务。传统的目标检测通过构建词袋模型并结合分类算法对图片进行分类和目标检测。基本思想是将图片切分为许多细小的图片块并将其作为特征，计算统计特点作为分类依据。文献[2]提出了基于HOG 特征的图片分类算法。文献[3]采用帧间差法构建了运动目标的检测方法。

采用深度学习的目标检测算法利用深度卷积提取图片特征代替手工特征。文献[4-6]采用多步目标检测算法对每个推荐窗口检测，精度较高但效率底下。文献[7]在目标检测推理中加入了候选框实现了端到端的检测方式，但其复杂度较高。近年来边缘计算发展迅猛，文献[8]探索了在集成开发板上部署边缘检测算法以分辨无人机拍摄的电线电缆异物图片，但其硬件成本较高。……