基于改进的SECOND网络与MobileNet V2网络的视频监控与追踪技术实现.pdfVIP

测控技术

.78.2024年第43卷第5期数据采集与处理

基于改进的SECOND网络与MobileNetV2网络的

视频监控与追踪技术实现

林自强，李明，刘张榕

（1.广东电网有限责任公司中山供电局，广东中山528400；2.福建林业职业技术学院信息工程系，福建南平353000）

摘要：为提高作业现场视频监控水平，提出一种基于深度学习的视频监控与追踪方法。该方法通过采用

Res2SENet网络作为SECOND网络的卷积模块，并使用可变形卷积替代SECOND网络的标准卷积，以实

现SECOND网络的改进。首先，基于改进的SECOND网络对目标进行检测，实现作业现场视频监控目

标检测；然后，通过采用空洞卷积替代MobileNetV2网络的普通卷积，并使用改进后的MobileNetV2网

络作为目标追踪算法，实现作业现场视频监控目标检测与跟踪；最后，在典型的包含大量激光点云图像

的KITTI数据集上进行测试。结果表明，该方法利用改进SECOND网络对作业现场视频监控三维目标

检测的平均精度和检测时间分别为81.62%和0.048s，相较于标准SECOND网络、特征金字塔网络

（FeaturePyramidNetwork，FPN）、F-PointNet网络，改进SECOND网络具有明显优势；利用改进的Mo-

bileNetV2网络对作业现场视频监控三维目标跟踪的准确度、精确度和跟踪数分别为81.62%、80.55%

和57.30%，丢失数和跟踪轨迹中行人ID瞬间转换次数分别为11.08%和22%，具有较快的运行速度，

为39f/s，相较于MobileNetV2网络、马尔可夫决策过程（MarkovDecisionProcess,MDP）网络、平滑支持

向量机（SmoothSupportVectorMachine,SSVM）网络，改进的MobileNetV2网络在各项指标上均具有一

定优势，可以满足作业现场视频监控目标的检测与实时跟踪需求。

关键词：深度学习；视频监控；目标检测；目标跟踪

中图分类号：TP391文献标志码：A文章编号：1000-8829(2024)05-0078-07

doi:10.19708/j.ckjs.2024.01.205

ImplementationofVideoMonitoringandTrackingTechnologyBasedon

ImprovedSECONDNetworkandMobileNetV2Network

LINZiqiang,LIMing,LIU-ZHANGRong

(1.ZhongshanPowerSupplyBureau,GuangdongPowerGridCo.,Ltd.,Zhongshan528400,China)

(2.DepartmentofInformationEngineering,FujianForestryVocationalTechnicalCollege,Nanping353000,China)

Abstract:Inordertoimprovethejobsitevideomonitoringlevel,avideomonitoringandtrackingmethodbased

ondeeplearningisproposed.ThismethodenablestheimprovementoftheSECONDnetworkbyadopting

Res2SENetnetworkastheconvolutionmoduleofSECONDnetworkandusingdeformableconvolutiontore-

placethestandardconvolutio