監(jiān)獄是負(fù)責(zé)關(guān)押和改造服刑人員的重要國家機(jī)關(guān),是維系社會穩(wěn)定和安寧至關(guān)重要的一環(huán)。本文意通過技術(shù)手段對監(jiān)獄視頻監(jiān)控系統(tǒng)進(jìn)行智能化改造,輔助獄警工作,減少監(jiān)獄監(jiān)管工作量提升工作效率。根據(jù)學(xué)校承擔(dān)的國家重點(diǎn)研發(fā)計(jì)劃課題中有關(guān)智能化改造寧夏某監(jiān)獄的項(xiàng)目,本文基于深度學(xué)習(xí)和圖像處理技術(shù)設(shè)計(jì)開發(fā)相關(guān)異常行為檢測算法及嵌入式平臺系統(tǒng)實(shí)現(xiàn)。最終本文設(shè)計(jì)開發(fā)的算法和系統(tǒng)能夠通過視頻監(jiān)控分析檢測服刑人員活動(dòng)規(guī)律和睡眠狀態(tài),輸出便于獄警查看的可視化數(shù)據(jù),及時(shí)預(yù)警存在異常行為人員,通知獄警對此類人員進(jìn)行核查確認(rèn),及時(shí)解決問題防患于未然。本文設(shè)計(jì)開發(fā)的算法和系統(tǒng)從項(xiàng)目實(shí)際需求出發(fā),以極低的物力和人力投入輔助獄警工作,排查異常,大大減少排查的工作量,大幅提升監(jiān)獄監(jiān)管的工作效率,通過技術(shù)手段預(yù)警監(jiān)獄中潛在隱患和過激行為。本文內(nèi)容具體總結(jié)如下:首先目前大多數(shù)基于深度學(xué)習(xí)的目標(biāo)檢測算法對計(jì)算性能要求很高,主要通過裝有GPU的高性能臺式計(jì)算機(jī)或者連接網(wǎng)絡(luò)的高性能服務(wù)器上實(shí)現(xiàn)部署。但是裝有GPU的高性能臺式計(jì)算機(jī)價(jià)格高昂、體積較大,不便于直接在指定監(jiān)舍中部署,同時(shí)實(shí)現(xiàn)成本過高超出項(xiàng)目預(yù)算。如果通過連接高性能服務(wù)器進(jìn)行數(shù)據(jù)處...

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 研究現(xiàn)狀
    1.3 論文的研究目標(biāo)和內(nèi)容
        1.3.1 論文的研究目標(biāo)
        1.3.2 論文的研究內(nèi)容
    1.4 本文組織結(jié)構(gòu)
第二章 相關(guān)算法研究和硬件平臺設(shè)計(jì)
    2.1 相關(guān)目標(biāo)檢測算法研究
        2.1.1 基于深度學(xué)習(xí)的目標(biāo)檢測算法分析
        2.1.2 背景差分法和幀間差分法
    2.2 硬件平臺設(shè)計(jì)
        2.2.1 平臺方案分析
        2.2.2 NVlDlA JETSON TX2處理器
        2.2.3 Tx2嵌入式平臺設(shè)計(jì)
    2.3 本章小結(jié)
第三章 基于深度學(xué)習(xí)的人員活動(dòng)規(guī)律異常行為檢測
    3.1 任務(wù)分析
    3.2 Yolov3算法及改進(jìn)
        3.2.1 Yolov3算法流程分析
        3.2.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)分析
        3.2.3 Yolov3模型剪枝
        3.2.4 基于TensorRT加速Yolov3算法檢測速度改進(jìn)
    3.3 數(shù)據(jù)可視化算法設(shè)計(jì)及改進(jìn)
        3.3.1 K-means算法及改進(jìn)
        3.3.2 差異值哈希算法
    3.4 實(shí)驗(yàn)過程及分析
        3.4.1 數(shù)據(jù)集的制作
        3.4.2 模型訓(xùn)練和剪枝
        3.4.3 修改模型輸出并測試
        3.4.4 活動(dòng)熱力圖繪制算法
        3.4.5 改進(jìn)K-means算法聚類熱點(diǎn)并繪制
        3.4.6 差異值哈希算法進(jìn)行圖像擬合度計(jì)算
        3.4.7 活動(dòng)區(qū)域面積可視化
        3.4.8 熱點(diǎn)停留時(shí)刻時(shí)長數(shù)據(jù)可視化
    3.5 本章小結(jié)
第四章 基于數(shù)字圖像處理的睡眠狀態(tài)異常檢測
    4.1 任務(wù)分析
    4.2 算法設(shè)計(jì)
        4.2.1 設(shè)定掩膜提取感興趣區(qū)域
        4.2.2 睡眠狀態(tài)曲線算法設(shè)計(jì)
        4.2.3 曲線相似度計(jì)算研究
        4.2.4 睡眠狀態(tài)異常判斷
    4.3 實(shí)驗(yàn)過程及結(jié)果分析
        4.3.1 制作實(shí)驗(yàn)數(shù)據(jù)集
        4.3.2 獲取睡眠狀態(tài)曲線
        4.3.3 獲取睡眠指標(biāo)數(shù)據(jù)
        4.3.4 曲線擬合度計(jì)算
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表及錄用學(xué)術(shù)論文
附錄



本文編號：3808206