考試是選拔人才的主要手段,為保證考試的公平性,監(jiān)考通常是采用派專人并結(jié)合視頻監(jiān)控的方式,但是人工審查大量監(jiān)控視頻效率低,會漏檢大量目標(biāo),因此,讓計(jì)算機(jī)準(zhǔn)確地自動(dòng)識別考試異常行為是本文研究的目標(biāo)。標(biāo)識考試監(jiān)控畫面中的考生異常行為類別和發(fā)生位置是一種典型的目標(biāo)檢測任務(wù),使用傳統(tǒng)目標(biāo)檢測算法存在特征難設(shè)計(jì)、算法性能差的問題,而深度學(xué)習(xí)目標(biāo)檢測算法有效避免了人工設(shè)計(jì)特征提取方法,多樣化的網(wǎng)絡(luò)結(jié)構(gòu)為實(shí)現(xiàn)檢測提供了不同的方案,本文主要做了以下兩個(gè)方面的研究工作:（1）分別基于深度學(xué)習(xí)目標(biāo)檢測算法Mobilnet-SSD與YOLOv3訓(xùn)練模型,首先從多角度錄制考試監(jiān)控視頻,按照7幀的間隔截取視頻圖像并標(biāo)注考生異常行為,經(jīng)過格式轉(zhuǎn)換后得到tf Record格式的數(shù)據(jù)集文件;然后分析SSD算法流程以及優(yōu)化策略,將SSD主干網(wǎng)絡(luò)由VGG-16換為輕量化網(wǎng)絡(luò)Mobile Net的結(jié)構(gòu),避免因模型過于龐大而導(dǎo)致在嵌入式設(shè)備上難以運(yùn)行的問題;通過比較YOLO系列算法各自的特點(diǎn),選擇檢測速度與精度更加均衡且對小物體檢測效果更好的YOLOv3算法訓(xùn)練模型;最后展示兩種模型訓(xùn)練過程中損失函數(shù)的變換趨勢,以m AP作為... 

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)理論及技術(shù)介紹
    2.1 深度學(xué)習(xí)技術(shù)
    2.2 目標(biāo)檢測算法概述
    2.3 OpenCV圖像與視頻處理
    2.4 Python多進(jìn)程與多線程
    2.5 本章小結(jié)
第3章 數(shù)據(jù)集與算法評價(jià)指標(biāo)
    3.1 目標(biāo)檢測公共數(shù)據(jù)集
    3.2 考試異常行為數(shù)據(jù)集
    3.3 目標(biāo)檢測算法評價(jià)指標(biāo)
    3.4 本章小結(jié)
第4章 考試異常行為識別模型的構(gòu)建
    4.1 模型構(gòu)建方案
    4.2 SSD算法
    4.3 Mobilnet-SSD目標(biāo)檢測
    4.4 YOLO算法
    4.5 考試異常行為識別模型
    4.6 實(shí)驗(yàn)結(jié)果分析
    4.7 本章小結(jié)
第5章 模型檢測實(shí)時(shí)性的提升
    5.1 檢測程序設(shè)計(jì)及實(shí)現(xiàn)技術(shù)
    5.2 模型檢測
    5.3 檢測實(shí)時(shí)性提升方案
    5.4 實(shí)驗(yàn)結(jié)果分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
個(gè)人簡介


【參考文獻(xiàn)】：
期刊論文
[1]多尺度特征融合的圖像語義分割[J]. 馬冬梅,楊彩鋒,李鵬輝.  西北師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(01)
[2]計(jì)算機(jī)視覺算法的圖像處理技術(shù)研究[J]. 李亞麗,張國平.  電腦編程技巧與維護(hù). 2019(12)
[3]基于AlexNet網(wǎng)絡(luò)的動(dòng)物圖片分類[J]. 周德良.  貴州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(06)
[4]旋轉(zhuǎn)矩形區(qū)域的遙感圖像艦船目標(biāo)檢測模型[J]. 仲偉峰,郭峰,向世明,潘春洪.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2019(11)
[5]基于文獻(xiàn)計(jì)量的中國人工智能研究知識圖譜分析[J]. 孫杰,佟澤華,姜子元,師聞笛,劉曉婷,薛曉娜.  山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(01)
[6]淺談視頻監(jiān)控系統(tǒng)的現(xiàn)狀及發(fā)展趨勢[J]. 段雨梅.  科技風(fēng). 2019(29)
[7]基于深度網(wǎng)絡(luò)的圖像語義分割綜述[J]. 羅會蘭,張?jiān)?  電子學(xué)報(bào). 2019(10)
[8]基于改進(jìn)SSD的特種車輛紅外偽裝檢測方法[J]. 趙曉楓,徐明揚(yáng),王聃漂,楊佳星,張志利.  紅外與激光工程. 2019(11)
[9]基于深度學(xué)習(xí)的目標(biāo)檢測算法研究進(jìn)展[J]. 謝娟英,劉然.  陜西師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(05)
[10]改進(jìn)CaffeNet模型在水面垃圾識別中的應(yīng)用[J]. 向偉,史晉芳,劉桂華,徐鋒,黃占鰲.  傳感器與微系統(tǒng). 2019(08)

碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的股票預(yù)測模型[D]. 郜星軍.廣西大學(xué) 2019



本文編號：3732662