轻量化目标检测在校园雨天撑伞行人检测中的遮挡处理准确率_实践型研究课题.docxVIP

PAGE

PAGE1

轻量化目标检测在校园雨天撑伞行人检测中的遮挡处理准确率

第一章实践问题识别与需求分析

1.1现实问题背景与紧迫性分析

1.1.1行业现状与问题表现

随着智慧校园建设的深入推进，视频监控系统已成为校园安全管理的核心基础设施，广泛应用于出入口管控、交通疏导及应急事件预警等场景。然而，在雨天等复杂气象条件下，现有的监控系统往往面临严峻挑战，导致安全防范效能显著下降。具体表现为，行人在撑伞行走时，伞具大面积遮挡了人体关键特征，使得传统目标检测算法难以准确识别目标，极易造成漏检或误检。在校园这一人员密集、活动频繁的特殊区域，雨天上下课高峰期的人流拥堵与视线受阻叠加，极易引发交通事故或治安盲区，现有的监控智能化水平在恶劣天气下的表现不尽如人意，难以满足全天候、全场景的安全防护需求。

从技术应用现状来看，当前主流的目标检测算法如FasterR-CNN、YOLO系列等，虽然在常规天气下取得了优异的检测效果，但其模型通常较为庞大，对计算资源要求较高，且在处理遮挡问题上存在固有缺陷。特别是在校园雨天场景中，撑伞行人不仅面临伞具对躯体的物理遮挡，还存在多人行走时的相互遮挡，导致特征信息丢失严重。现有的监控终端多为边缘计算设备，算力有限，难以承载复杂的去遮挡算法，导致系统在实际运行中经常出现“有监控无预警”的尴尬局面，无法及时识别潜在的安全隐患，行业亟需针对特定场