基于深度学习的安防监控视频目标检测算法及其应用

发布时间：2021-08-02 08:17

　　近年来,国家不断加强对安防领域的建设,在公共区域部署了大量的监控设备,造成监控视频堆积,但传统的人工肉眼监控方法却无法对海量的视频进行有效利用。随着人工智能的快速发展,利用深度学习算法可实时对视频内容进行分析,检测异常信息,从而进行风险预测,构造智能监控系统。为了实现安防监控视频的有效利用,本文提出了利用深度学习算法进行安防监控视频中人物身份属性目标自动检测的研究,主要研究内容及结论如下:1.针对目前安防监控环境下对人物身份属性进行判断的需要,提出了一种基于深度学习人物身份属性自动检测识别的方法。由于传统目标检测算法需要人工设计提取图像特征,视频检测达不到实时性等问题,本文设计了一种基于深度学习下Faster RCNN的识别方法。论文首先设计了基于Faster RCNN算法的人物身份属性实现流程图,详细研究了 Faster RCNN算法的整体框架。该框架由RPN候选框提取模块及Fast RCNN检测模块共同组成,并介绍了两部分组成模块的网络结构,然后根据研究目标进行训练参数的设置完成区域建议网络的设计,详细阐述了基于Faster RCNN算法的人物身份属性检测的训练方法及步骤。2.搭建... 

【文章来源】：山东科技大学山东省

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图２．２（ａ）原始图像（ｂ）ＬＢＰ图谱??

图２．１?ＬＢＰ码??

若相邻区域数值大于中心数值则记为１，若小于则记为０。经过此方法，３＊３的??窗口会产生８位二进制数，也可转换为十进制数也称为ＬＢＰ码，共２５６种，即??可得到中心像素点的ＬＢＰ值，这个数值则表示该区域的纹理信息，如图２．１所??／Ｊ、＿?〇??５?９?１?１１０?＼Ｂｉｎａｒｙ：ｌ?１０１００１１??Ｔｈｒｅｓｈｏｌｄ??４?４?６?？?１?１?Ｄｅｃｉｍａｌ：２１１??７?２?３?１?０?０?／??图２．１?ＬＢＰ码??Ｆｉｇ．?２．１?ＬＢＰ?ｃｏｄｅ??上述ＬＢＰ算子提取方法可以适用在任何一个像素点，每一个像素点都可以??得到一个ＬＢＰ编码。在图像中，每一幅图像记录的是每个像素点的灰度值，经??过ＬＢＰ算子之后，得到的ＬＢＰ特征依旧是一幅图片，记录的是每个像素点的??ＬＢＰ值，图２．２是原始图像和经过ＬＢＰ算子之后的ＬＢＰ图谱。??（ａ）?（ｂ）??图２．２（ａ）原始图像（ｂ）ＬＢＰ图谱??Ｆｉｇ．?２．２?（ａ）?Ｏｒｉｇｉｎａｌ?ｉｍａｇｅ?（ｂ）?ＬＢＰ?ｍａｐ??９??

【参考文献】：
期刊论文
[1]基于Caffe网络模型的Faster R-CNN算法推理过程的解析[J]. 郭叶军,汪敬华.  现代计算机(专业版). 2018(01)
[2]深度学习发展综述[J]. 侯宇青阳,全吉成,王宏伟.  舰船电子工程. 2017(04)
[3]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航.  计算机应用. 2016(09)
[4]视频浓缩与基于对象检索技术研究[J]. 庞志恒,葛友杰,陈春龙,陈岳林,王春利.  科技信息. 2013(02)
[5]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)
[6]基于图学习的自动图像标注[J]. 卢汉清,刘静.  计算机学报. 2008(09)

硕士论文
[1]基于深度学习的目标检测研究[D]. 付若楠.北京交通大学 2017
[2]基于深度学习的快速目标检测技术研究[D]. 王震.天津理工大学 2017
[3]基于深度学习的溯源视频目标检测与识别[D]. 刘健.东南大学 2016
[4]视频监控中人物属性识别方法的研究[D]. 杨德培.电子科技大学 2016
[5]面向安保监控的视频图像处理和识别算法研究[D]. 李世杰.国防科学技术大学 2014
[6]基于多目标跟踪及轨迹组合优化的视频摘要[D]. 刘守达.厦门大学 2014
[7]卷积神经网络在图像识别上的应用的研究[D]. 许可.浙江大学 2012
[8]安防监控中的视频分析技术研究[D]. 杜倩.华北电力大学 2012



本文编号：3317224