一种基于深度学习的试验场所人员管控方法

本发明公开了一种基于深度学习的试验场所人员管控方法，包括数据采集模块、人员身份注册模块、工作间人员身份识别模块、出入危险场所人数统计模块以及检测结果可视化模块。数据采集模块将摄像头实时视频传输给软件前端展示；人员身份注册模块基于RetinaFace改进模型进行人脸检测；工作间人员身份识别模块基于RetinaFace改进模型和InsightFace网络实现工作间的人员身份的识别；出入危险场所人数统计模块基于YOLOv5目标检测算法与DeepSort多人员跟踪算法，实时统计进出危险场所的人数；检测结果可视化模块用于将深度学习算法实时处理后的视频检测结果展示在软件前端界面中。本发明方法具有轻量化的优点，可部署在移动端或嵌入式端，在降低硬件成本的同时扩大了算法的应用范围。