發(fā)布時(shí)間：2020-07-07 00:53

【摘要】：保險(xiǎn)柜作為保管重要材料的工具,保障其安全性也就是保障財(cái)產(chǎn)安全。過去,保險(xiǎn)柜的防盜技術(shù)大都放到鎖具的研發(fā)更新上,如防火保險(xiǎn)柜、指紋識(shí)別保險(xiǎn)柜等等,但是僅僅依靠保險(xiǎn)柜自身的防盜措施,是無法保證保險(xiǎn)柜的絕對(duì)安全。隨著深度學(xué)習(xí)技術(shù)發(fā)展與國(guó)家“AI+X”戰(zhàn)略的實(shí)施,基于深度卷積神經(jīng)網(wǎng)絡(luò)的智能監(jiān)控系統(tǒng)展露出巨大的應(yīng)用前景,因此本文基于保險(xiǎn)柜監(jiān)控視頻數(shù)據(jù),研究了基于深度卷積神經(jīng)網(wǎng)絡(luò)和計(jì)算機(jī)視覺技術(shù)的保險(xiǎn)柜目標(biāo)開關(guān)狀態(tài)檢測(cè)算法,并實(shí)現(xiàn)了保險(xiǎn)柜開關(guān)狀態(tài)智能檢測(cè)系統(tǒng)。本文的主要工作如下:一.針對(duì)保險(xiǎn)柜開關(guān)狀態(tài)檢測(cè)問題,本文從四個(gè)不同場(chǎng)景攝像頭下各選擇了50小時(shí)的真實(shí)視頻,并從中挑選了相似度較低的共計(jì)14705張圖片作為目標(biāo)檢測(cè)數(shù)據(jù)集。其中涵蓋了不同攝像頭分辨率、不同光照環(huán)境、保險(xiǎn)柜位置等實(shí)際環(huán)境。二.基于保險(xiǎn)柜目標(biāo)檢測(cè)數(shù)據(jù)集實(shí)現(xiàn)了兩種保險(xiǎn)柜狀態(tài)檢測(cè)方法。一種是通過修改通用目標(biāo)檢測(cè)算法SSD、Faster RCNN以及RFCN的特征提取網(wǎng)絡(luò),直接對(duì)保險(xiǎn)柜進(jìn)行檢測(cè)分類,最后對(duì)比各通用算法在該數(shù)據(jù)集上的性能;二是對(duì)保險(xiǎn)柜先檢測(cè)后分類,通過設(shè)計(jì)了一個(gè)保險(xiǎn)柜開關(guān)狀態(tài)的分類網(wǎng)絡(luò),對(duì)檢測(cè)后的保險(xiǎn)柜目標(biāo)進(jìn)行再分類。三.針對(duì)人員開關(guān)保險(xiǎn)柜時(shí)身體姿態(tài)會(huì)發(fā)生一定的變化的特點(diǎn),探索人員開關(guān)保險(xiǎn)柜時(shí)人體關(guān)鍵點(diǎn)位置變化情況,利用AlphaPose算法將人體骨骼關(guān)鍵點(diǎn)檢測(cè)網(wǎng)絡(luò)應(yīng)用在保險(xiǎn)柜狀態(tài)開關(guān)檢測(cè)中,通過與目標(biāo)檢測(cè)算法結(jié)合使用提升保險(xiǎn)柜開關(guān)狀態(tài)檢測(cè)準(zhǔn)確度。四.設(shè)計(jì)實(shí)現(xiàn)了基于深度學(xué)習(xí)的保險(xiǎn)柜開關(guān)狀態(tài)檢測(cè)智能分析系統(tǒng),該系統(tǒng)能夠?qū)崟r(shí)地對(duì)多路視頻下保險(xiǎn)柜狀態(tài)進(jìn)行檢測(cè)并可視化,并對(duì)開關(guān)保險(xiǎn)柜事件進(jìn)行判斷,并且可對(duì)歷史事件查詢顯示。
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TS914.26;TP391.41;TP18
【圖文】：

西南交通大學(xué)碩士研究生學(xué)位論文 第 1 章 緒 論研究背景及意義技與經(jīng)濟(jì)的飛速發(fā)展，人們經(jīng)濟(jì)能力和消費(fèi)水平的顯著提高。企業(yè)使用到的貴重物品在數(shù)量和價(jià)值上都在不斷增加。從直接接觸的交人電腦、PAD、單反相機(jī)等工作設(shè)備，再到重要的商業(yè)數(shù)據(jù)和商業(yè)件在不斷的增加，企業(yè)的安保意識(shí)也在不斷的增強(qiáng)。因此，通常用品和機(jī)密文件的保險(xiǎn)柜的市場(chǎng)越來越大。詢發(fā)布的《2016-2022 年中國(guó)保險(xiǎn)柜產(chǎn)業(yè)深度調(diào)研及市場(chǎng)前景預(yù)測(cè)報(bào)中國(guó)保險(xiǎn)柜行業(yè)企業(yè)共 559 家。

術(shù)等多領(lǐng)域知識(shí)的研究系統(tǒng)。這些前沿技術(shù)包括深度學(xué)習(xí)、深度將對(duì)深度學(xué)習(xí)的相關(guān)關(guān)鍵技術(shù)做詳細(xì)介紹。前饋網(wǎng)絡(luò)前饋網(wǎng)絡(luò)，即前饋神經(jīng)網(wǎng)絡(luò)或者多層感知機(jī)，是一種經(jīng)典的深度網(wǎng)絡(luò)所要實(shí)現(xiàn)的目標(biāo)是將結(jié)果逼近某個(gè)函數(shù)f ，比如，我們?cè)诶脮r(shí)， y f* (x)將輸入 x通過映射對(duì)應(yīng)到其類別 y 。利用前饋神經(jīng) f ( x ; )，然后通過學(xué)習(xí)參數(shù) ，從而得到最接近樣本數(shù)據(jù)的函數(shù)神經(jīng)網(wǎng)絡(luò)能夠被稱為網(wǎng)絡(luò)，是由于他們能夠利用許多不同的函數(shù)這類經(jīng)典模型可以表示為一個(gè)有向無環(huán)圖，而該圖可以形象的表何組合在一起。例如，設(shè)置三個(gè)函數(shù) 1 f ， 2 f 以及 3 f ，通過將 fffx321，形成一種鏈?zhǔn)浇Y(jié)構(gòu)。在該情況下， 1 f 即為網(wǎng)絡(luò)的第二層，前饋網(wǎng)絡(luò)的最后一層為該網(wǎng)絡(luò)的輸出層。而該鏈?zhǔn)浇Y(jié)的深度。

圖 2-2 梯度下降示例圖 2v的取值如上圖 2-2 中小球所在的位置，我們所做滿足代價(jià)函數(shù)值為最小，也就是使上圖上的小球從山2211vvCvvCC 別表示函數(shù)C對(duì)變量2v 以及2v 的偏導(dǎo)，乘以變量度下降算法的工作模式為不斷重復(fù)的計(jì)算梯度，小球能夠沿著山谷“滾動(dòng)”。想可以簡(jiǎn)單概括為將每一個(gè)訓(xùn)練實(shí)例傳入神經(jīng)網(wǎng)

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 舒朗;郭春生;;基于回歸與深度強(qiáng)化學(xué)習(xí)的目標(biāo)檢測(cè)算法[J];軟件導(dǎo)刊;2018年12期

2 王鈐;張穗華;雷絲雨;鄧博文;;一種基于數(shù)據(jù)聚類的目標(biāo)檢測(cè)算法[J];機(jī)電產(chǎn)品開發(fā)與創(chuàng)新;2016年06期

3 孫林;鮑金河;劉一超;;高光譜圖像目標(biāo)檢測(cè)算法分析[J];測(cè)繪科學(xué);2012年01期

4 張桂林，熊艷，曹偉，李強(qiáng);一種評(píng)價(jià)自動(dòng)目標(biāo)檢測(cè)算法性能的方法[J];華中理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);1994年05期

5 孫蓉蓉;李清;張國(guó)昌;;電力監(jiān)控系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[J];數(shù)字技術(shù)與應(yīng)用;2019年12期

6 趙寶康;李晉文;楊帆;劉佳豪;;一種基于深度學(xué)習(xí)的遙感圖像目標(biāo)檢測(cè)算法[J];計(jì)算機(jī)工程與科學(xué);2019年12期

7 許云;李彬;;基于背景遺傳模型的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J];自動(dòng)化技術(shù)與應(yīng)用;2017年03期

8 杜佳;宋春林;;一種改進(jìn)的毫米波雷達(dá)多目標(biāo)檢測(cè)算法[J];通信技術(shù);2015年07期

9 諸葛霞;向健勇;;基于分形特征的目標(biāo)檢測(cè)算法概述及仿真[J];紅外技術(shù);2006年10期

10 鄺熠;陶果;朱玉潔;蔡偉立;;基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法研究與應(yīng)用[J];計(jì)算機(jī)產(chǎn)品與流通;2020年01期

相關(guān)會(huì)議論文 前10條

1 何元磊;李紅軍;周陸軍;李旭淵;顧立林;尼濤;;基于端元豐度量化的高光譜圖像目標(biāo)檢測(cè)算法[A];國(guó)家安全地球物理叢書（十一）——地球物理應(yīng)用前沿[C];2015年

2 孫瑾秋;張艷寧;姜磊;王敏;;基于變換域特征的星空背景弱小目標(biāo)檢測(cè)算法[A];第八屆全國(guó)信號(hào)與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2009年

3 高飛;蔣建國(guó);安紅新;齊美彬;;一種快速運(yùn)動(dòng)目標(biāo)檢測(cè)算法[A];全國(guó)第22屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議(CACIS·2011)暨全國(guó)第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會(huì)議論文摘要集[C];2011年

4 許俊平;張啟衡;張耀;王華闖;;基于人眼視覺特性的小目標(biāo)檢測(cè)算法[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

5 王藝婷;黃世奇;劉代志;王紅霞;;高光譜圖像目標(biāo)檢測(cè)算法性能研究[A];國(guó)家安全地球物理叢書（十）——地球物理環(huán)境與國(guó)家安全[C];2014年

6 張國(guó)華;;一種基于導(dǎo)引頭穩(wěn)定平臺(tái)結(jié)構(gòu)的目標(biāo)檢測(cè)算法[A];第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

7 鄭偉成;李學(xué)偉;劉宏哲;;基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法綜述[A];中國(guó)計(jì)算機(jī)用戶協(xié)會(huì)網(wǎng)絡(luò)應(yīng)用分會(huì)2018年第二十二屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會(huì)論文集[C];2018年

8 劉昊;趙龍;;基于改進(jìn)混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

9 劉峰;奚曉梁;沈同圣;;基于最大值投影的空間小目標(biāo)檢測(cè)算法[A];第二屆空間目標(biāo)與碎片監(jiān)測(cè)、清理技術(shù)及應(yīng)用學(xué)術(shù)研討會(huì)論文集[C];2015年

10 鄧宇;陳孝威;;綜合利用時(shí)空信息的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議(HHME2006)——第15屆中國(guó)多媒體學(xué)術(shù)會(huì)議(NCMT'06)論文集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 付志航;基于空間與時(shí)間上下文的深度學(xué)習(xí)目標(biāo)檢測(cè)算法研究[D];浙江大學(xué);2019年

2 黃響;高速微弱目標(biāo)檢測(cè)算法研究[D];西安電子科技大學(xué);2019年

3 張麗麗;基于空譜聯(lián)合特性的高光譜圖像異常目標(biāo)檢測(cè)算法研究[D];哈爾濱工程大學(xué);2018年

4 趙紅燕;被動(dòng)多基站雷達(dá)目標(biāo)檢測(cè)算法研究[D];西安電子科技大學(xué);2017年

5 郭小路;多通道雷達(dá)干擾抑制與目標(biāo)檢測(cè)算法研究[D];西安電子科技大學(xué);2017年

6 李健;星載寬幅SAR及目標(biāo)檢測(cè)算法研究[D];西安電子科技大學(xué);2018年

7 潘雪莉;機(jī)載環(huán)視SAR海面特性和艦船目標(biāo)檢測(cè)算法研究[D];西安電子科技大學(xué);2018年

8 陳宇環(huán);聯(lián)合時(shí)空特征的視覺顯著目標(biāo)檢測(cè)算法研究[D];深圳大學(xué);2018年

9 曾冬冬;視頻監(jiān)控中的前景目標(biāo)檢測(cè)算法研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2019年

10 王志虎;基于顯著性的運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 盧鑫鑫;基于深度學(xué)習(xí)的無人機(jī)檢測(cè)算法研究[D];華中科技大學(xué);2019年

2 孔蘭芳;基于卷積神經(jīng)網(wǎng)絡(luò)的輸電線路小目標(biāo)檢測(cè)算法研究[D];華中科技大學(xué);2019年

3 朱秀紅;基于深度卷積網(wǎng)絡(luò)的輸電線路變尺度多目標(biāo)檢測(cè)算法研究[D];華中科技大學(xué);2019年

4 王瑜;復(fù)雜探測(cè)環(huán)境下目標(biāo)檢測(cè)算法的優(yōu)化及其在FPGA中的實(shí)現(xiàn)[D];華中科技大學(xué);2019年

5 何兆華;基于FPGA的YOLOv2網(wǎng)絡(luò)研究與實(shí)現(xiàn)[D];華中科技大學(xué);2019年

6 湯松巖;基于YOLOv3的航拍目標(biāo)檢測(cè)算法研究及應(yīng)用[D];華中科技大學(xué);2019年

7 杜旺;高分辨率圖像下的小目標(biāo)檢測(cè)算法研究[D];華中科技大學(xué);2019年

8 雷家薈;基于深度學(xué)習(xí)的遙感目標(biāo)檢測(cè)算法[D];華中科技大學(xué);2019年

9 薛彬;基于深度學(xué)習(xí)的自然環(huán)境下的水果目標(biāo)檢測(cè)研究[D];燕山大學(xué);2019年

10 蘭先超;基于DnRCNN的SAR圖像目標(biāo)檢測(cè)算法研究[D];華中科技大學(xué);2019年

本文編號(hào)：2744394