發(fā)布時間：2020-08-20 20:31

【摘要】：近年來,隨著我國智慧城市、安全城市的建設,涉及安防技術的產(chǎn)業(yè)已經(jīng)成為新時代經(jīng)濟建設的重要組成部分。然而,傳統(tǒng)的安防技術在安全和便捷方面已經(jīng)很難滿足社會的需求,基于深度學習的視覺安防體系逐漸受到重視。在現(xiàn)階段的視覺安防領域,目標檢測方法已受到越來越多研究學者的關注,但是在一些場景下,目前的安防技術仍然很難做到實時、準確地檢測目標。一旦對威脅等級高的目標出現(xiàn)漏檢、錯檢,將對布防區(qū)域帶來巨大安全隱患。因此,安防視頻需要做到實時、準確地對區(qū)域進行監(jiān)控,盡可能提高監(jiān)控區(qū)域的安全等級。本文主要研究了視頻的目標檢測算法,基于深度學習方法,以大量公開的圖像、視頻數(shù)據(jù)集和真實場景下的監(jiān)控視頻作為研究對象,對用于監(jiān)控視頻的目標檢測算法進行研究與優(yōu)化,實現(xiàn)了對安防監(jiān)控視頻的實時準確地目標檢測,論文主要研究內容和成果如下:1.針對VGG網(wǎng)絡結構中過擬合問題和SSD檢測器難以檢測弱小目標的問題,提出了一種改進的RSSD目標檢測模型,減少了網(wǎng)絡結構中的參數(shù)量,有效提升了模型對圖像特征的提取能力。實驗結果表明,提出的RSSD目標檢測模型優(yōu)于SSD模型,提高了目標的檢測精度,并且該模型對圖像中小目標的檢測更加敏感。2.針對安防視頻場景中目標之間相互遮擋導致的錯檢和漏檢問題,提出了一種基于變體IOU的損失函數(shù),用于替換現(xiàn)有模型中的正則化損失函數(shù),新的損失函數(shù)可以更好地減小同一檢測目標的預測框與真實框間的距離,從而降低錯檢和誤檢率。實驗結果表明,提出的變體IOU損失函數(shù)適用于現(xiàn)有的目標檢測模型,提高了模型在目標遮擋情況下的檢測魯棒性和檢測精度。3.針對視頻目標檢測技術在工程應用上對硬件設備要求較高的問題。在Jeston TX2嵌入式平臺上實現(xiàn)了一種RSSD-IOU目標檢測算法,將RSSD模型與變體IOU損失函數(shù)整合為一體進行壓縮,搭載在Jeston TX2硬件設備上。實驗證明該算法的檢測速度在Jeston TX2上能夠滿足實際需求,且性能穩(wěn)定。
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：D631.4;TP391.41;TP18
【圖文】：

神多元基本樟型[zl〕

西安電子科技大學碩士學位論文第三模塊中分類器判斷目標類別，將第二模塊中 Alexnet 網(wǎng)絡提取的特征輸入M 進行分類，并產(chǎn)生類別概率。對于相同類別的重疊區(qū)域，通過交并比公式計比例，設定固定的閾值來與重疊比例比較來剔除一部分重疊區(qū)域，最后 SVM 極大性抑制，留下了類別概率得分高的預測框。圖 2.5 為 R-CNN 原始示意圖：

西安電子科技大學碩士學位論文40IOU 示意圖IOU 在目標檢測任務中有以下兩個作用：（1）基于設定Anchors的目標檢測方法中，通過 IOU 可以在一組預測框中判定屬于正樣本還是負樣本。當然，在使用 IOU 作為距離評價指標的同時必須設定一個確定的閾值。比如，在PASCAL VOC挑戰(zhàn)賽中，被廣泛使用的平均精度均值 mAP 的計算就是基于 IOU=0.5 計算的。同樣，為了客觀地反應不同方法的定位性能，mAP 的計算可以基于多個 IOU 閾值得到。（2）在目標檢測算法的邊框回歸任務中，IOU 可以用來判斷預測邊界框和真實框距離。IOU 與正則化關系L1范數(shù)表示向量中每個元素絕對值之和，公式為：11|| || | |niix x (4-2)L1 正則化：假設待正則化的網(wǎng)絡層參數(shù)為

【相似文獻】

相關期刊論文 前10條

1 舒朗;郭春生;;基于回歸與深度強化學習的目標檢測算法[J];軟件導刊;2018年12期

2 王鈐;張穗華;雷絲雨;鄧博文;;一種基于數(shù)據(jù)聚類的目標檢測算法[J];機電產(chǎn)品開發(fā)與創(chuàng)新;2016年06期

3 孫林;鮑金河;劉一超;;高光譜圖像目標檢測算法分析[J];測繪科學;2012年01期

4 張桂林，熊艷，曹偉，李強;一種評價自動目標檢測算法性能的方法[J];華中理工大學學報;1994年05期

5 孫蓉蓉;李清;張國昌;;電力監(jiān)控系統(tǒng)中運動目標檢測算法研究[J];數(shù)字技術與應用;2019年12期

6 趙寶康;李晉文;楊帆;劉佳豪;;一種基于深度學習的遙感圖像目標檢測算法[J];計算機工程與科學;2019年12期

7 許云;李彬;;基于背景遺傳模型的運動目標檢測算法[J];自動化技術與應用;2017年03期

8 杜佳;宋春林;;一種改進的毫米波雷達多目標檢測算法[J];通信技術;2015年07期

9 諸葛霞;向健勇;;基于分形特征的目標檢測算法概述及仿真[J];紅外技術;2006年10期

10 鄺熠;陶果;朱玉潔;蔡偉立;;基于深度學習的目標檢測算法研究與應用[J];計算機產(chǎn)品與流通;2020年01期

相關會議論文 前10條

1 何元磊;李紅軍;周陸軍;李旭淵;顧立林;尼濤;;基于端元豐度量化的高光譜圖像目標檢測算法[A];國家安全地球物理叢書（十一）——地球物理應用前沿[C];2015年

2 孫瑾秋;張艷寧;姜磊;王敏;;基于變換域特征的星空背景弱小目標檢測算法[A];第八屆全國信號與信息處理聯(lián)合學術會議論文集[C];2009年

3 高飛;蔣建國;安紅新;齊美彬;;一種快速運動目標檢測算法[A];全國第22屆計算機技術與應用學術會議(CACIS·2011)暨全國第3屆安全關鍵技術與應用（SCA·2011）學術會議論文摘要集[C];2011年

4 許俊平;張啟衡;張耀;王華闖;;基于人眼視覺特性的小目標檢測算法[A];2006年全國光電技術學術交流會會議文集（D 光電信息處理技術專題）[C];2006年

5 王藝婷;黃世奇;劉代志;王紅霞;;高光譜圖像目標檢測算法性能研究[A];國家安全地球物理叢書（十）——地球物理環(huán)境與國家安全[C];2014年

6 張國華;;一種基于導引頭穩(wěn)定平臺結構的目標檢測算法[A];第九屆全國光電技術學術交流會論文集（下冊）[C];2010年

7 鄭偉成;李學偉;劉宏哲;;基于深度學習的目標檢測算法綜述[A];中國計算機用戶協(xié)會網(wǎng)絡應用分會2018年第二十二屆網(wǎng)絡新技術與應用年會論文集[C];2018年

8 劉昊;趙龍;;基于改進混合高斯模型的運動目標檢測算法[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

9 劉峰;奚曉梁;沈同圣;;基于最大值投影的空間小目標檢測算法[A];第二屆空間目標與碎片監(jiān)測、清理技術及應用學術研討會論文集[C];2015年

10 鄧宇;陳孝威;;綜合利用時空信息的運動目標檢測算法[A];第二屆和諧人機環(huán)境聯(lián)合學術會議(HHME2006)——第15屆中國多媒體學術會議(NCMT'06)論文集[C];2006年

相關博士學位論文 前10條

1 付志航;基于空間與時間上下文的深度學習目標檢測算法研究[D];浙江大學;2019年

2 黃響;高速微弱目標檢測算法研究[D];西安電子科技大學;2019年

3 張麗麗;基于空譜聯(lián)合特性的高光譜圖像異常目標檢測算法研究[D];哈爾濱工程大學;2018年

4 趙紅燕;被動多基站雷達目標檢測算法研究[D];西安電子科技大學;2017年

5 郭小路;多通道雷達干擾抑制與目標檢測算法研究[D];西安電子科技大學;2017年

6 李健;星載寬幅SAR及目標檢測算法研究[D];西安電子科技大學;2018年

7 潘雪莉;機載環(huán)視SAR海面特性和艦船目標檢測算法研究[D];西安電子科技大學;2018年

8 陳宇環(huán);聯(lián)合時空特征的視覺顯著目標檢測算法研究[D];深圳大學;2018年

9 曾冬冬;視頻監(jiān)控中的前景目標檢測算法研究[D];中國科學院大學(中國科學院長春光學精密機械與物理研究所);2019年

10 王志虎;基于顯著性的運動目標檢測算法研究[D];國防科學技術大學;2015年

相關碩士學位論文 前10條

1 盧鑫鑫;基于深度學習的無人機檢測算法研究[D];華中科技大學;2019年

2 孔蘭芳;基于卷積神經(jīng)網(wǎng)絡的輸電線路小目標檢測算法研究[D];華中科技大學;2019年

3 朱秀紅;基于深度卷積網(wǎng)絡的輸電線路變尺度多目標檢測算法研究[D];華中科技大學;2019年

4 王瑜;復雜探測環(huán)境下目標檢測算法的優(yōu)化及其在FPGA中的實現(xiàn)[D];華中科技大學;2019年

5 何兆華;基于FPGA的YOLOv2網(wǎng)絡研究與實現(xiàn)[D];華中科技大學;2019年

6 湯松巖;基于YOLOv3的航拍目標檢測算法研究及應用[D];華中科技大學;2019年

7 杜旺;高分辨率圖像下的小目標檢測算法研究[D];華中科技大學;2019年

8 雷家薈;基于深度學習的遙感目標檢測算法[D];華中科技大學;2019年

9 薛彬;基于深度學習的自然環(huán)境下的水果目標檢測研究[D];燕山大學;2019年

10 蘭先超;基于DnRCNN的SAR圖像目標檢測算法研究[D];華中科技大學;2019年

本文編號：2798410