現(xiàn)代社會中,考試作為評估個人能力的重要手段在社會人才選拔的過程中起著至關(guān)重要的作用。為了保證考試權(quán)威性和公平性,傳統(tǒng)的監(jiān)考需要大量的人力資源和物力資源培訓監(jiān)考人員或者完善監(jiān)考設(shè)備,導致成本較高;同時監(jiān)考人員難以保持精力應對長時間的枯燥監(jiān)考活動。這些傳統(tǒng)監(jiān)考制度的弊端促使我們開發(fā)自動監(jiān)考系統(tǒng)。實現(xiàn)考場全局事件進行準確檢測是自動監(jiān)考系統(tǒng)的第一步。本文提出了基于三維卷積神經(jīng)網(wǎng)絡的考場全局事件自動檢測模型,準確識別出考場進行狀態(tài),為建立自動監(jiān)考系統(tǒng)提供關(guān)鍵技術(shù)支撐。具體工作內(nèi)容如下:(1)建立考場視頻數(shù)據(jù)集。搜集標準化考場916個視頻,視頻記錄了標準化考場的完整考試流程。通過觀察搜集的考場視頻,本文界定六類考場全局事件,根據(jù)不同教室場景或不同監(jiān)控攝像的擺放位置進一步分組,并標簽化每個視頻為后續(xù)模型訓練和測試做準備。(2)檢測考場視頻全局事件。提出應用三維卷積神經(jīng)網(wǎng)絡算法在考場視頻數(shù)據(jù)集上,實現(xiàn)提取考場視頻的空間特征和時間維度上的運動特征,并通過簡單的線性分類器進行考場視頻全局事件分類,使得考場視頻全局事件的檢測準確率達到93.94%,取得了良好的分類效果。(3)證明三維卷積神經(jīng)網(wǎng)絡對考場視頻的...

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究的背景和意義
        1.1.1 視頻監(jiān)控技術(shù)的研究與發(fā)展
        1.1.2 計算機視覺技術(shù)的研究與發(fā)展
    1.2 本文的研究內(nèi)容
        1.2.1 本文研究內(nèi)容
        1.2.2 章節(jié)分布
第二章 考場視頻全局事件數(shù)據(jù)集建立
    2.1 考場全局事件的定義
        2.1.1 考場全局事件在自動化監(jiān)考系統(tǒng)里的角色
        2.1.2 考場全局事件的模式定義
    2.2 考場全局事件數(shù)據(jù)集的建立
        2.2.1 原始視頻數(shù)據(jù)集構(gòu)成
        2.2.2 視頻預處理
    2.3 本章小結(jié)
第三章 考場視頻全局事件檢測的算法研究
    3.1 視頻事件中特征提取模型概覽
    3.2 傳統(tǒng)的特征提取方法
        3.2.1 基于局部興趣點特征
        3.2.2 基于軌跡特征
        3.2.3 基于時空體特征
    3.3 基于卷積神經(jīng)網(wǎng)絡的特征提取方法
        3.3.1 卷積神經(jīng)網(wǎng)絡構(gòu)成
        3.3.2 三維卷積神經(jīng)網(wǎng)絡
        3.3.3 基于三維卷積神經(jīng)網(wǎng)絡的考場事件檢測方法
    3.4 本章小結(jié)
第四章 考場視頻全局事件的檢測與實現(xiàn)
    4.1 實驗概覽
    4.2 模型框架
    4.3 模型參數(shù)優(yōu)化與設(shè)置
        4.3.1 激活函數(shù)
        4.3.2 卷積核設(shè)計
        4.3.3 參數(shù)初始化
        4.3.4 損失函數(shù)與正則化
    4.4 實驗過程
        4.4.1 實驗環(huán)境
        4.4.2 數(shù)據(jù)預處理
        4.4.3 訓練數(shù)據(jù)
    4.5 評價指標與實驗結(jié)果
    4.6 本章小結(jié)
第五章 小結(jié)
    5.1 論文總結(jié)
    5.2 工作展望
參考文獻
攻讀碩士期間發(fā)表的論文
致謝



本文編號：3751630