A-YONet: 用于智能物联网实时监控的多目标检测算法

随着云计算、物联网和人工智能技术的快速发展，云视频监控（CVS）已成为一个热点话题，尤其是在面对智能应用中的实时分析要求时。物体检测通常在监控系统中起着重要的作用，用于环境监测和活动跟踪。新兴的边缘-云计算范式为我们提供了一个机会，以便在物联网系统中以现场方式处理不断生成的大量监控数据。但是，由于复杂的监控环境，检测性能仍然远未满足。在本研究中，我们专注于智能物联网系统中的实时监控的多目标检测。提出了一种新的深度神经网络模型 A-YONet，它是通过结合 YOLO 和 MTCNN 的优势而构建的，用于部署在端点-边缘-云监控系统中，以实现有限计算资源的轻量级训练和特征学习。然后，基于锚框的预调整方案和多级特征融合机制，开发了一种智能检测算法。使用两个数据集（包括一个公共数据集和一个在真实监控系统中获得的自制数据集）进行的实验和评估，证明了我们提出的方法在提高训练效率和检测精度方面的有效性，特别是对智能物联网应用开发中的多目标检测。