近年來,國家不斷加強對安防領域的建設,在公共區(qū)域部署了大量的監(jiān)控設備,造成監(jiān)控視頻堆積,但傳統(tǒng)的人工肉眼監(jiān)控方法卻無法對海量的視頻進行有效利用。隨著人工智能的快速發(fā)展,利用深度學習算法可實時對視頻內(nèi)容進行分析,檢測異常信息,從而進行風險預測,構(gòu)造智能監(jiān)控系統(tǒng)。為了實現(xiàn)安防監(jiān)控視頻的有效利用,本文提出了利用深度學習算法進行安防監(jiān)控視頻中人物身份屬性目標自動檢測的研究,主要研究內(nèi)容及結(jié)論如下:1.針對目前安防監(jiān)控環(huán)境下對人物身份屬性進行判斷的需要,提出了一種基于深度學習人物身份屬性自動檢測識別的方法。由于傳統(tǒng)目標檢測算法需要人工設計提取圖像特征,視頻檢測達不到實時性等問題,本文設計了一種基于深度學習下Faster RCNN的識別方法。論文首先設計了基于Faster RCNN算法的人物身份屬性實現(xiàn)流程圖,詳細研究了 Faster RCNN算法的整體框架。該框架由RPN候選框提取模塊及Fast RCNN檢測模塊共同組成,并介紹了兩部分組成模塊的網(wǎng)絡結(jié)構(gòu),然后根據(jù)研究目標進行訓練參數(shù)的設置完成區(qū)域建議網(wǎng)絡的設計,詳細闡述了基于Faster RCNN算法的人物身份屬性檢測的訓練方法及步驟。2.搭建... 

【文章來源】：山東科技大學山東省

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

圖２．２（ａ）原始圖像（ｂ）ＬＢＰ圖譜??

圖２．１?ＬＢＰ碼??

若相鄰區(qū)域數(shù)值大于中心數(shù)值則記為１，若小于則記為０。經(jīng)過此方法，３＊３的??窗口會產(chǎn)生８位二進制數(shù)，也可轉(zhuǎn)換為十進制數(shù)也稱為ＬＢＰ碼，共２５６種，即??可得到中心像素點的ＬＢＰ值，這個數(shù)值則表示該區(qū)域的紋理信息，如圖２．１所??／Ｊ、＿?〇??５?９?１?１１０?＼Ｂｉｎａｒｙ：ｌ?１０１００１１??Ｔｈｒｅｓｈｏｌｄ??４?４?６?？?１?１?Ｄｅｃｉｍａｌ：２１１??７?２?３?１?０?０?／??圖２．１?ＬＢＰ碼??Ｆｉｇ．?２．１?ＬＢＰ?ｃｏｄｅ??上述ＬＢＰ算子提取方法可以適用在任何一個像素點，每一個像素點都可以??得到一個ＬＢＰ編碼。在圖像中，每一幅圖像記錄的是每個像素點的灰度值，經(jīng)??過ＬＢＰ算子之后，得到的ＬＢＰ特征依舊是一幅圖片，記錄的是每個像素點的??ＬＢＰ值，圖２．２是原始圖像和經(jīng)過ＬＢＰ算子之后的ＬＢＰ圖譜。??（ａ）?（ｂ）??圖２．２（ａ）原始圖像（ｂ）ＬＢＰ圖譜??Ｆｉｇ．?２．２?（ａ）?Ｏｒｉｇｉｎａｌ?ｉｍａｇｅ?（ｂ）?ＬＢＰ?ｍａｐ??９??

【參考文獻】：
期刊論文
[1]基于Caffe網(wǎng)絡模型的Faster R-CNN算法推理過程的解析[J]. 郭葉軍,汪敬華.  現(xiàn)代計算機(專業(yè)版). 2018(01)
[2]深度學習發(fā)展綜述[J]. 侯宇青陽,全吉成,王宏偉.  艦船電子工程. 2017(04)
[3]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機應用. 2016(09)
[4]視頻濃縮與基于對象檢索技術研究[J]. 龐志恒,葛友杰,陳春龍,陳岳林,王春利.  科技信息. 2013(02)
[5]深度學習研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機應用研究. 2012(08)
[6]基于圖學習的自動圖像標注[J]. 盧漢清,劉靜.  計算機學報. 2008(09)

碩士論文
[1]基于深度學習的目標檢測研究[D]. 付若楠.北京交通大學 2017
[2]基于深度學習的快速目標檢測技術研究[D]. 王震.天津理工大學 2017
[3]基于深度學習的溯源視頻目標檢測與識別[D]. 劉健.東南大學 2016
[4]視頻監(jiān)控中人物屬性識別方法的研究[D]. 楊德培.電子科技大學 2016
[5]面向安保監(jiān)控的視頻圖像處理和識別算法研究[D]. 李世杰.國防科學技術大學 2014
[6]基于多目標跟蹤及軌跡組合優(yōu)化的視頻摘要[D]. 劉守達.廈門大學 2014
[7]卷積神經(jīng)網(wǎng)絡在圖像識別上的應用的研究[D]. 許可.浙江大學 2012
[8]安防監(jiān)控中的視頻分析技術研究[D]. 杜倩.華北電力大學 2012



本文編號：3317224