林向会　谢本亮

摘要：目标检测是计算视觉的重要研究方向之一，尤其是基于移动设备平台实现快速精准的目标检测功能是非常有必要的。为了能够在移动设备上进行实时目标检测，本文提出一种基于RaspberryPi4B硬件平台，采用TensorFlowLite开发环境，加载MobileNet-SSD网络结构算法的方案。方案采用的MobileNet卷积神经网络和SSD卷积神经网络结合的方法具有检测速度快、占用内存少等优点。同时，本文还对MobileNet-SSD网络结构算法进行了微小优化。该方案通过在公开的数据集上进行测试，对MobileNet-SSD网络结构算法和其改良算法进行了结果比较，结果表明其改良算法的检测速度有所提高，同时其检测精度几乎保持不变，在检测精准度和检测速度上都有良好表现，表明该方案具有较高的应用价值。

关键词：目标检测;计算机视觉;网络结构;TensorFlowLite;SSD;MobileNet;MobileNet-SSD

【Abstract】Targetdetectionisoneoftheimportantresearchdirectionsofcomputationalvision.Especially，itisnecessarytoachievefastandaccuratetargetdetectionbasedonmobiledeviceplatforms.ThispaperproposesasolutionbasedontheRaspberryPi4BhardwareenvironmentwhichusestheTensorFlowLitedevelopmentplatformandloadstheMobileNet-SSDnetworkstructurealgorithm.ThecombinationofMobileNetconvolutionalneuralnetworkandSSDconvolutionalneuralnetworkusedintheschemehastheadvantagesoffastdetectionspeedandlessmemory.Atthesametime，thispaperalsooptimizestheMobileNet-SSDnetworkstructurealgorithm.TheprogramcomparestheresultsoftheMobileNet-SSDnetworkstructurealgorithmwithitsimprovedalgorithmthroughexperimentsonpublicdatasets，andtheresultsshowthatthedetectionspeedoftheimprovedalgorithmhasincreased，whilethedetectionaccuracyremainsalmostunchanged.Bothaccuracyanddetectionspeedhavegoodperformance，indicatingthattheprogramhashighapplicationvalue.

【Keywords】targetdection;computervision;networkstructure;TensorFlowLite;SSD;MobileNet;MobileNet-SSD

作者簡介：林向会（1994-），女，硕士研究生，主要研究方向：电路与系统;谢本亮（1978-），男，博士，副教授，主要研究方向：数字图像处理、电路与系统。

0引言

随着计算机技术的发展，目标检测已经广泛应用于生活的各个领域中。在交通领域，目标检测可以通过对行人、车辆、交通灯和道路上的其他物体的检测来实现对交通管理的协助[1]。医疗领域中，图像的病理检测和识别也可以通过目标检测来完成[2]。其他领域，如遥感图片[3]、智能监控[4]和面部识别等等也都应用了目标检测技术。

当前的通用目标检测算法一般基于单阶段过程和两阶段过程。其中，基于单阶段过程目标检测算法直接生成目标边界框和概率分类，无需生成候选框区，代表性的算法主要有YOLO[5]、YOLO9000[6]、SSD[7]等。……