發(fā)布時間：2020-12-21 22:58

　　近年來伴隨計算機視覺技術(shù)的發(fā)展,視頻監(jiān)控開始向智能化方向發(fā)展�；谝曨l監(jiān)控的異常檢測作為智能視頻監(jiān)控的重要組成部分,具有廣泛的應(yīng)用空間。本文針對室內(nèi)場所,運用目標檢測等算法實現(xiàn)對監(jiān)控視頻的實時異常檢測。本文的主要工作如下:1.提出了 Dense_YOLO目標檢測模型,對YOLOv2模型進行了三個方面的改進:利用稠密網(wǎng)絡(luò)中特征融合方式改進網(wǎng)絡(luò)結(jié)構(gòu);使用K-means++對目標框進行聚類改進網(wǎng)絡(luò)參數(shù);利用遷移學習的方式對網(wǎng)絡(luò)進行訓練。實驗結(jié)果表明Dense_YOLO正確率達到了 93.66%,相比YOLO v2提高了 7.06%;同時Dense_YOLO還降低了小目標檢測中的漏檢率。2.針對人、寵物及貴重物品這幾種常見的監(jiān)控目標,利用Dense_YOLO對目標的狀態(tài)進行異常檢測,并分別使用一般場景、光照強、光照弱、目標被遮擋、目標較小等不利條件下拍攝的監(jiān)控視頻進行測試,區(qū)域入侵檢測、物品移動/移出檢測及人流量監(jiān)控三種特定目標異常檢測功能分別達到92.73%、90.07%、91.58%的平均正確率。3.針對獨居老... 

【文章來源】：大連交通大學遼寧省

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【部分圖文】：

網(wǎng)格預(yù)測示意圖

ＹＯＬＯ?ｖｌ的網(wǎng)絡(luò)設(shè)計基本與ＧｏｏｇｌｅＮｅｔ模型相似，共含有２４個級聯(lián)的卷積層與２??個全連接層。卷積層參數(shù)主要為３ｘ３和１ｘ１這兩種尺度的卷積核，最后一個全連接層即??輸出１４７０維度的向量。網(wǎng)絡(luò)模型結(jié)構(gòu)如圖２．２所示。??？?ｆｖ＼＾??３?１９２?２５６?５１２?１０３４?１０２４?１０２４?ｉ０９６?３０??Ｃｏｎｖ．?Ｌａｙｅｒ?Ｃｏｎｖ．?Ｌａｙｅｒ?Ｃｏｎｖ．?Ｌａｙｅｒｓ?Ｃｏｎｖ．?Ｌａｙｅｒｓ?Ｃｏｎｖ．?Ｌａｙｅｒｓ?Ｃｏｎｖ．?Ｌａｙｅｒｓ?Ｃｏｎｎ．?Ｌａｙｅｒ?Ｃｏｎｎ，?ｌａｙｅｒ??＇?７ｘ７ｘ６＾＊２?３ｘ３ｘ１９２?１ｘ１ｘ１２８?１ｘ１ｘ２５６１?ｘ４?１ｘ１ｘ５１２?｜ｘ２?３ｘ３ｘ１０２４??Ｍａｘｐｏｏｌ?Ｌａｙｅｒ?Ｍａｘｐｏｏｌ?Ｌａｙｅｒ?３ｘ３ｘ２５６?３ｘ３ｘ５１２?Ｊ?３ｘ３ｘ１０２４?Ｊ?３ｘ３ｘ１０２４??２ｘ２＋２?２ｘ２ｖ２?１＊１ｘ２５６?１ｘ１ｘ５１２?３ｘ３ｘ１０２４??３ｘ３ｘ５１２?３ｘ３ｘ１０２４?３ｘ３ｘ１０２４－ｖ２??Ｍａｘｐｏｏｌ?Ｌａｙｅｒ?Ｍａｘｐｏｏｌ?Ｌａｙｅｒ??２

－?出于對公共安全及財產(chǎn)安全的考慮，在銀行辦公區(qū)域或商場入口等室內(nèi)公共場所常??見到如圖３．１所示標識，同時在一些危險區(qū)域也會設(shè)有禁止入內(nèi)的警示牌，意在提醒人??們此區(qū)域內(nèi)禁止人員進入或禁止攜帶寵物等相關(guān)制度及規(guī)定。在這類區(qū)域通常會設(shè)置人??員巡邏或視頻監(jiān)控設(shè)備監(jiān)控，難免會出現(xiàn)監(jiān)控不及時的情況。若在此類區(qū)域中利用自動??檢測算法對人員及其攜帶的寵物進行監(jiān)控，則可在節(jié)省人力的同時更加及時發(fā)現(xiàn)異常入??侵。??圖３．１室內(nèi)場所警示標識??Ｆｉｇ．?３．１?Ｔｈｅ?ｗａｒｎｉｎｇ?ｓｉｇｎｓ?ｏｆ?ｉｎｄｏｏｒ?ｓｐａｃｅ??室內(nèi)公共區(qū)域如博物館、貴重商品展示臺等存放貴重物或存放可移動的公共設(shè)施的??場所，允許人員在附近走動但不允許移動或移出區(qū)域的特定物品。在這種情況下，監(jiān)控??設(shè)備通常會設(shè)置在距離監(jiān)控目標較近的位置，并且只關(guān)注目標的動態(tài)。若使用異常檢測??算法替代人工對這些重點物品進行監(jiān)控，則可更加精確地保證目標的安全。??在商場、體育館等經(jīng)常舉辦大型活動的室內(nèi)場所，當一定區(qū)域內(nèi)的人流量超過時很??＇?容易發(fā)生踩踏事故。相對其他異常事件來說，人流量超過限制的情況較難以人工監(jiān)控的??．?方式準確判別

【參考文獻】：
期刊論文
[1]公安專用視頻監(jiān)控系統(tǒng)前端布點研究綜述[J]. 梁燁,洪衛(wèi)軍,張鴻洲.  科學技術(shù)與工程. 2018(03)
[2]基于隱馬爾可夫模型的視頻異常場景檢測[J]. 李娟,張冰怡,馮志勇,徐超,張錚.  計算機工程與科學. 2017(07)
[3]智能視頻分析搭上AI 世界會怎樣[J]. 羅超.  中國公共安全. 2017(06)
[4]商湯科技,引領(lǐng)智能安防時代[J]. 羅超.  中國公共安全. 2016(19)
[5]公安天網(wǎng)視頻監(jiān)控系統(tǒng)升級改造建設(shè)初探[J]. 孟振江.  有線電視技術(shù). 2016(09)
[6]智能視頻監(jiān)控技術(shù)綜述[J]. 黃凱奇,陳曉棠,康運鋒,譚鐵牛.  計算機學報. 2015(06)
[7]遷移學習研究進展[J]. 莊福振,羅平,何清,史忠植.  軟件學報. 2015(01)
[8]天網(wǎng)工程圖像有效性綜述[J]. 張迎亞,趙亞飛.  中國公共安全. 2014(11)
[9]深度學習研究進展[J]. 劉建偉,劉媛,羅雄麟.  計算機應(yīng)用研究. 2014(07)

碩士論文
[1]基于監(jiān)控視頻的人體異常行為檢測研究[D]. 吳揚.哈爾濱工業(yè)大學 2015
[2]基于分層貝葉斯模型的智能視頻監(jiān)控中的異常檢測[D]. 陳政.西南大學 2015
[3]陜西天宏硅業(yè)數(shù)字視頻監(jiān)控系統(tǒng)的應(yīng)用研究[D]. 燕莎.西安石油大學 2014
[4]視頻序列中運動目標檢測算法研究[D]. 劉利君.中南大學 2014



本文編號：2930660