隨著中國民航業(yè)迅速發(fā)展,機場面臨的安全壓力逐漸增大。由于機場的覆蓋范圍廣,傳統(tǒng)的多點分散監(jiān)控很難對機場全局態(tài)勢進行整體高效的把控。海量監(jiān)控視頻處于零散、碎片化的狀態(tài),工作人員平時需要記憶大量的攝像機編號及其所在位置的對應關系。當發(fā)生突然事件時,一旦記憶偏差無法快速調看突發(fā)事件區(qū)域視頻,則導致事件處置周期順延。此外,由于大多數(shù)機場視頻監(jiān)控平臺分期建設,無法實現(xiàn)多視頻系統(tǒng)平臺的統(tǒng)一管理,不能有效整合多種視頻資源數(shù)據(jù)進行可視化展示,無法為決策者提供有效的指揮依據(jù)。因此需要基于智能分析的監(jiān)控視頻整合平臺并在此基礎上進行數(shù)據(jù)展示并進行預警。本文主要闡述在傳統(tǒng)視頻監(jiān)控平臺的基礎上基于圖像處理技術針對不同場景進行處理,并將視頻信息系統(tǒng)化進行展示。本文中針對門禁人臉識別模塊、車輛信息監(jiān)控模塊、車輛航空器識別模塊、重點區(qū)域監(jiān)控模塊的詳細設計進行了詳細的闡述。通過對人、車、航空器以及重點區(qū)域四方面的監(jiān)控達到對機場內部情況的完全掌控,將碎片化視頻進行信息化展示。將進出布防區(qū)域的人、車、航空器以及重點區(qū)域預警信息詳情展示在B/S網(wǎng)站上,以直觀的形式進行呈現(xiàn)。大大減少了監(jiān)控人員的監(jiān)控強度,最終達到視頻信息同步觀... 

【文章來源】：北京交通大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：120 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 引言
    1.1 項目背景及研究意義
        1.1.1 項目背景介紹
        1.1.2 項目研究意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 人臉識別
        1.2.2 車牌號識別
        1.2.3 車輛及航空器檢測
        1.2.4 重點區(qū)域監(jiān)控
    1.3 論文研究思路
    1.4 論文結構
    1.5 本章小結
2 相關技術方法分析
    2.1 人臉識別
        2.1.1 Harr特征
        2.1.2 Adaboost算法介紹
        2.1.3 LBP介紹
    2.2 車牌號識別
        2.2.1 高斯模糊
        2.2.2 HSV顏色空間
        2.2.3 SVM模型
    2.3 車輛航空器識別
        2.3.1 深度學習
        2.3.2 SSD卷積神經(jīng)網(wǎng)絡
    2.4 重點區(qū)域監(jiān)控
        2.4.1 幀差法
        2.4.2 ViBe算法
    2.5 本章小結
3 系統(tǒng)需求分析
    3.1 系統(tǒng)概述
    3.2 平臺建設環(huán)境要求
    3.3 系統(tǒng)功能需求
        3.3.1 門禁人臉識別需求分析
        3.3.2 車輛信息監(jiān)控需求分析
        3.3.3 車輛識別監(jiān)控需求分析
        3.3.4 航空器識別監(jiān)控需求分析
        3.3.5 重點區(qū)域監(jiān)控需求分析
    3.4 系統(tǒng)非功能性需求
    3.5 本章小結
4 系統(tǒng)概要設計
    4.1 系統(tǒng)物理架構
    4.2 系統(tǒng)體系結構
    4.3 系統(tǒng)功能模塊劃分
    4.4 系統(tǒng)數(shù)據(jù)庫設計
    4.5 系統(tǒng)設計依據(jù)
    4.6 本章小結
5 詳細設計與實現(xiàn)
    5.1 人臉識別
        5.1.1 數(shù)據(jù)采集
        5.1.2 人臉檢測
        5.1.3 數(shù)據(jù)訓練
        5.1.4 人臉識別
    5.2 車牌號識別
        5.2.1 車牌定位
        5.2.2 車牌字符分割
        5.2.3 車牌字符識別
    5.3 車輛、航空器識別
        5.3.1 數(shù)據(jù)準備
        5.3.2 數(shù)據(jù)標注
        5.3.3 訓練網(wǎng)絡
        5.3.4 效果展示
        5.3.5 車輛計數(shù)
    5.4 重點區(qū)域監(jiān)控
        5.4.1 遺留物檢測
        5.4.2 絆線檢測
        5.4.3 行人徘徊檢測
        5.4.4 警戒區(qū)入侵檢測
    5.5 網(wǎng)站頁面展示
        5.5.1 系統(tǒng)登錄頁面展示
        5.5.2 監(jiān)控主頁面展示
        5.5.3 門禁人臉識別頁面展示
        5.5.4 車輛信息監(jiān)控頁面展示
        5.5.5 重點區(qū)域監(jiān)控頁面展示
    5.6 本章小結
6 系統(tǒng)測試與驗證
    6.1 系統(tǒng)環(huán)境配置
    6.2 功能測試與結果分析
    6.3 性能測試
    6.4 本章小結
7 總結
參考文獻
作者簡歷
學位論文數(shù)據(jù)集


【參考文獻】：
期刊論文
[1]基于改進Vibe算法與多特征的智能交通系統(tǒng)[J]. 周森鵬,穆平安,張仁杰.  軟件導刊. 2019(06)
[2]基于幀差與背景差分的改進目標識別算法[J]. 趙柏山,鄭茂凱,張帆.  通信技術. 2018(11)
[3]Experimental analysis of considering the sound pressure distribution pattern at the ear canal entrance as an unrevealed head-related localization clue[J]. TONG Xin,QI Na,MENG Zihou.  Chinese Journal of Acoustics. 2018(01)
[4]Retrieval of Land-surface Temperature from AMSR2 Data Using a Deep Dynamic Learning Neural Network[J]. MAO Kebiao,ZUO Zhiyuan,SHEN Xinyi,XU Tongren,GAO Chunyu,LIU Guang.  Chinese Geographical Science. 2018(01)
[5]Online Unsupervised Learning Classification of Pedestrian and Vehicle for Video Surveillance[J]. HE Yi,SANG Nong,GAO Changxin,HAN Jun.  Chinese Journal of Electronics. 2017(01)
[6]Spatial-Aware Supervised Learning for Hyper-Spectral Image Classification Comprehensive Assessment[J]. SOOMRO Bushra Naz,肖亮,SOOMRO Shahzad Hyder,MOLAEI Mohsen.  Journal of Donghua University（English Edition）. 2016(06)
[7]深度學習在控制領域的研究現(xiàn)狀與展望[J]. 段艷杰,呂宜生,張杰,趙學亮,王飛躍.  自動化學報. 2016(05)
[8]機場安防集成技術的發(fā)展與應用探析[J]. 韓偉鐘.  中國安防. 2015(12)
[9]復雜環(huán)境下的智能視頻監(jiān)控技術研究[J]. 關杰,林曉燕,鄭練,趙煒銘.  新技術新工藝. 2014(10)
[10]深度學習研究進展[J]. 劉建偉,劉媛,羅雄麟.  計算機應用研究. 2014(07)

碩士論文
[1]基于Kinect的手勢識別與三指靈巧手交互研究[D]. 杜新怡.蘭州理工大學 2018
[2]監(jiān)控視頻中運動目標檢測和追蹤技術研究與實現(xiàn)[D]. 高遠.河南大學 2018
[3]基于卷積神經(jīng)網(wǎng)絡的靜態(tài)面部表情識別研究[D]. 呂曼.合肥工業(yè)大學 2018
[4]基于機器學習的車牌識別算法研究[D]. 李佩倫.電子科技大學 2018
[5]基于卷積神經(jīng)網(wǎng)絡的圖像識別[D]. 蔣帥.吉林大學 2017
[6]基于深度學習的車牌識別技術研究[D]. 趙振興.青島科技大學 2017
[7]基于機器學習的車牌識別算法研究[D]. 杜偉.沈陽師范大學 2017
[8]便攜式智能監(jiān)控系統(tǒng)的研究[D]. 馬蘭.南京林業(yè)大學 2014



本文編號：3044880