一个实时检测废弃行李的系统
Ivan Vrsalovic1,2, Jonatan Lerga2,3, Marina Ivasic-Kos1,3
1Faculty of Informatics and Digital Technologies, University of Rijeka, 51000 Rijeka, Croatia.
Sensors (Basel, Switzerland)
|May 14, 2025
概括
本研究引入了一种自动系统,用于检测机场的遗弃行李,使用适应的YOLOv11-s模型和一种新的算法. 该系统分析行李的移动和时空关系,以便实时检测无人看护的行李.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 安全系统安全系统
背景情况:
- 机场安全对于公共安全至关重要.
- 自动检测废弃物品可以增强安全协议.
- 当前的监控系统可能缺乏有效的无人护理行李检测能力.
研究的目的:
- 开发和评估一个实时自动系统,用于机场遗弃行李的检测.
- 适应和微调深度学习模型,以在监控录像中准确检测对象.
- 创建一个算法,分析行李的移动和人类的互动,用于遗弃检测.
主要方法:
- 利用OpenCV进行视频处理,并适应YOLOv11-s进行对象检测.
- 在一个定制的机场监控数据集上微调各种深度卷积神经网络架构 (YOLOv8,YOLOv11,DETR).
- 开发了一种新的算法来分析人与行李之间的时空关系.
主要成果:
- 微调的YOLOv11-s模型在检测小物体时达到85.8%的精度,超过其他模型.
- 实时检测在中小物体中实现了超过88%的平均精度 (mAP).
- 废弃行李检测算法在各种测试场景中显示出有希望的结果.
结论:
- 拟议的系统利用适应的YOLOv11-s模型和运动分析算法,有效地实时检测丢弃的行李.
- 深度学习模型,特别是YOLOv11-s,在具有挑战性的机场监控环境中,在识别行李方面表现出很高的效率.
- 该系统提供了一个有前途的解决方案,通过自动无人护理行李检测来加强机场安全.
