视频监控系统防控目标分类研究

发布时间：2020-03-28 02:04

【摘要】：公安专用视频监控系统的建设、规划一般有较为严格的要求和详细的考虑。作为一种社会安全防范的技术设施,视频监控系统的前端点位总是围绕机关单位、商业设施、人口密集的公共区域建设,这些监控摄像机重点采集的地点、单位等可以称为视频监控系统的静态防控目标。WebGIS的信息点(即POI)是对城市地理空间中的各类企事业单位的图上标示,具有信息准确、实时性好的特点。POI的名称能够很大程度上反映POI功能、类型等基本属性。从POI信息中发现视频监控前端点位部署需要优先考虑重点防控目标是一种重要的、可行性强的方法。POI名称属性具有文本长度较短、特征词比较稀疏的特点,使用传统方法对其分类的效果较差;从分类角度来看,防控目标类别划分越多,分类结果越差。本文旨在通过对POI名称的文本分类,从中选择公安视频监控系统重点防控目标。主要研究内容包括防控目标类别划分、文本表示模型、文本分类模型等,具体工作如下:在公安视频监控系统防控目标类别划分方面,本文根据公安视频监控系统对前端点位的划分标准、企事业单位内部治安保卫工作条例的相关规定,结合公安视频监控系统需求和应用现状将空间中的单位、设施归纳整合为三大类二十小类防控目标,其中第一类为公安视频监控系统重点值守的防控目标,第二类为建议公安机关围绕其建设视频图像采集点的防控目标,第三类为可由社会单位自建视频监控采集点的防控目标。在公安视频监控系统防控目标分类算法实现方面,本文根据视频监控系统防控目标的文本特点和分类要求,结合TF-IDF、CHI权重计算方法,对Word2vec词向量文本表示模型进行改进,分别为W2V-TFIDF文本表示模型、CW2V文本表示模型,在此基础上结合支持向量机分类器,构建视频监控系统防控目标分类模型。仿真实验表明,与传统文本分类模型相比,本文提出的分类模型准确率性均有明显的提升,且CW2V-SVM分类模型的准确率最高,当词向量维数为250维时,宏平均F1值达到0.9383。此外,本文设计并实现了防控目标分类可视化界面,对分类结果进行直观的显示,分类结果对视频监控系统前端信息采集点的选取有一定的参考意义。
【图文】：

派出所,三级结构,分局,公安工作

在实际公安工作中，视频监控系统的建设管理呈多层级汇聚网络结构，这种多层级结构中，以如图 3.1 所示的派出所-分局-市局的三级结构最为典型。图3.1 派出所-分局-市局的三级结构

网络结构图,模型优化,模型,公安大学

中国人民公安大学硕士学位论文4.1 所示，CBOW 模型和 Skip-gram 模型都由输入层、投影层和输中 CBOW 模型与 Skip-Gram 模型的区别在于：CBOW 模型通过的预测，而 Skip-Gram 模型则是通过当前词来预测上下文词。采取 CBOW 模型和 Hierarchical softmax 优化模型对经过预处理练，Hierarchicalsoftmax 模型优化的 CBOW 模型的网络结构如图
【学位授予单位】：中国人民公安大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：D631.1

【参考文献】