【技術實現步驟摘要】
本專利技術涉及計算機視覺，尤其涉及一種基于yolov5s的雙平臺高校教室自習查詢方法。
技術介紹
1、高校教室是學生重要的自習場所，但隨著高校規模擴大和教學模式的轉變，相對于學生數量，高校教室資源顯得越來越稀缺，且隨著學生對學習和自我提升需求的不斷增加，出現了學生想要自習卻找不到“合適的空閑自習室”的問題。而數字化時代，互聯網技術及人工智能技術的快速發展、移動設備的便攜與普及，使得各類app成為人們特別是年輕群體生活中不可或缺的工具。如何利用教室現有監控資源，利用現代互聯網技術和人工智能技術進行有效管理教室資源、提高教室資源利用率，方便學生在校園內快速尋找滿意的自習空間，進而提高學生的學習積極性和學習效率，成為一個重要問題。
2、yolo因其高效性和準確性而受到廣泛關注，yolo的核心思想是將目標檢測問題轉化為回歸問題，通過單個神經網絡模型直接在整個圖像上預測邊界框和類別概率。相比于傳統的基于區域的方法(如r-cnn系列)，yolo在速度上有了顯著提升，因為它不需要在圖像上運行多次分類器或者區域建議生成器。因此采用yolo目標檢測算法進行實時的人物檢測技術不僅比傳統的圖像目標檢測算法速度快，在精確度上也明顯提高，但是yolo目標檢測算法采用單線程調用實時攝像頭，對于在高校教室自習系統中如何同時調用多個攝像頭成為了一個具有挑戰的問題。
技術實現思路
1、本專利技術所要解決的技術問題是克服現有技術中存在的不足，提供一種基于yolov5s的雙平臺高校教室自習查詢方法，在現有教
2、本專利技術是通過以下技術方案予以實現：
3、一種基于yolov5s的雙平臺高校教室自習查詢方法，包括如下步驟：
4、s1.選擇輕量型框架yolov5s，對yolov5s進行框架改進；
5、s2.利用公開數據集對經過yolov5s框架改進后的模型進行訓練，形成實時人數檢測模型；
6、s3.通過多個攝像頭采集教室實時圖像，并接入所述實時人數檢測模型中，并采用單線程調用多個攝像頭的方式，對教室人數進行識別統計；
7、s4.分別使用android平臺以及windows平臺構建系統前端，形成顯示界面，顯示教室人數識別統計結果。
8、根據上述技術方案，優選地，步驟s1包括：在yolov5s模型的頸部網絡層融合ca注意力機制模塊；在頸部網絡層中增加1次上采樣，第3次上采樣后，與主干網絡第2層融合，得到新增加的預測層。
9、根據上述技術方案，優選地，步驟s2包括：獲取公開數據集中的圖像，對圖像中的人物進行分割標注，形成訓練數據集；對所述訓練數據集進行數據增強；經過數據增強后的訓練數據集輸入框架改進后的yolov5s模型中進行訓練，形成實時人數檢測模型。
10、其中，步驟s2中，對所述訓練數據集進行數據增強，將訓練數據集中的圖像進行尺寸統一、左右翻轉、多尺度變換以及歸一化處理；同時，對經過yolov5s框架改進后的模型進行訓練時，使用自適應梯度下降優化器，設置學習率nms＝0.45、置信度閾值0.25、訓練輪數100epoch和批處理個數，采用giou作為損失函數，并使用原始權重yolov5s.pt輕量化權重訓練，獲得訓練后的實時人數檢測模型，并加入數學計算方法，求和所有的人頭數量。
11、根據上述技術方案，優選地，步驟s3中，采用流體化技術，用視頻流調用實時的視頻進行目標檢測；通過模型輸出的類別概率，通過遍歷檢測到的目標，確定每個檢測到的目標的類別，并根據其類別信息進行人數統計；設定每個攝像頭的編號，根據每個攝像頭的編號及識別出來的人數分別對應輸出識別統計結果。
12、根據上述技術方案，優選地，步驟s3中，采用單線程調用多個攝像頭的方式，按照數據庫順序原則，使用多線程并行算法，即優化負載均衡策略；在優化負載均衡策略中，
13、初始目標函數：
14、目標函數＝w1×響應時間+w2×資源利用率
15、優化后目標函數：
16、目標函數＝w1×平均響應時間+w2×資源利用率差異
17、資源利用率：
18、
19、cpu總的運行時間＝cpu有效工作時間+cpu空閑等待時間
20、其中，響應時間表示系統完成所有攝像頭任務的時間，資源利用率表示系統資源的利用率，包括cpu使用率、內存使用率；w1和w2是權重，用于調節響應時間和資源利用率在目標函數中的相對重要性；平均響應時間是系統處理請求的平均時間，資源利用率差異指各資源利用率的標準差。
21、本專利技術的有益效果是：
22、本專利技術在現有教室監控的基礎上，在服務器/后端中基于yolov5s、采用mysql數據庫進行數據處理，將數據傳遞給安裝有android或windows平臺的設備的顯示器中，供學生快速查詢/尋找自習教室的人數情況；本專利技術改進后的yolov?5s算法在輕量型與檢測精度方面比傳統檢測更輕量，冗余信息少且精度高，同時還能調用多個攝像頭，且其中一個攝像頭損壞不會影響其他攝像頭的使用。
本文檔來自技高網...【技術保護點】
1.一種基于YOLOV5s的雙平臺高校教室自習查詢方法，其特征在于，包括如下步驟：
2.根據權利要求1所述一種基于YOLOV5s的雙平臺高校教室自習查詢方法，其特征在于，步驟S1包括：
3.根據權利要求2所述一種基于YOLOV5s的雙平臺高校教室自習查詢方法，其特征在于，步驟S2包括：
4.根據權利要求3所述一種基于YOLOV5s的雙平臺高校教室自習查詢方法，其特征在于，步驟S2中，對所述訓練數據集進行數據增強，將訓練數據集中的圖像進行尺寸統一、左右翻轉、多尺度變換以及歸一化處理。
5.根據權利要求3所述一種基于YOLOV5s的雙平臺高校教室自習查詢方法，其特征在于，步驟S2中，對經過YOLOV5s框架改進后的模型進行訓練時，
6.根據權利要求1所述一種基于YOLOV5s的雙平臺高校教室自習查詢方法，其特征在于，步驟S3中，采用流體化技術，用視頻流調用實時的視頻進行目標檢測；
7.根據權利要求1所述一種基于YOLOV5s的雙平臺高校教室自習查詢方法，其特征在于，步驟S3中，采用單線程調用多個攝像頭的方式，按照
8.根據權利要求7所述一種基于YOLOV5s的雙平臺高校教室自習查詢方法，其特征在于，步驟S3中，所述優化負載均衡策略中，
...【技術特征摘要】
1.一種基于yolov5s的雙平臺高校教室自習查詢方法，其特征在于，包括如下步驟：
2.根據權利要求1所述一種基于yolov5s的雙平臺高校教室自習查詢方法，其特征在于，步驟s1包括：
3.根據權利要求2所述一種基于yolov5s的雙平臺高校教室自習查詢方法，其特征在于，步驟s2包括：
4.根據權利要求3所述一種基于yolov5s的雙平臺高校教室自習查詢方法，其特征在于，步驟s2中，對所述訓練數據集進行數據增強，將訓練數據集中的圖像進行尺寸統一、左右翻轉、多尺度變換以及歸一化處理。
5.根據權利要求3所述一種基于yolov5s的雙平臺高校教...
【專利技術屬性】
技術研發人員：焦衛東，宋雅楠，沈笑云，萬棣，張思遠，
申請(專利權)人：中國民航大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。