标题：面向边缘端的超市异常行为检测研究
作者：陈承源 邹顺水 彭晨 程云芬
作者单位：重庆科技大学智能技术与工程学院，重庆 401331
关键字：机器视觉；行为识别；边缘计算；YOLOv5；注意力机制
摘要：主流的超市防盗系统使用传统的人工查看视频监控的方式，消耗着巨大的人力成本且对网络带宽及数据时效性要求较高。因此提出了一种基于轻量级YOLOv5网络模型的超市人体异常行为检测方法。该方法通过采用Ghost卷积替换标准卷积重构网络，降低模型参数量与计算量以适应边缘端低算力设备，同时增加更利于移动端架构设备应用的解耦全连接注意力机制，捕获更多长距离空间特征信息，提升检测精度。实验结果表明该方法较经典YOLOv5检测方法精确率提升4.6%，计算量下降43%，参数量下降42%，检测速度提升67%，在边缘端设备Sunrise x3上每秒检测帧数可达到17.82。