目前,我國的反恐信息平臺還處于初步建設階段,各省市陸續(xù)進行了反恐信息平臺的建設,但是平臺的各功能模塊依舊處于空白狀態(tài),因此盡快的完成各功能模塊是如今反恐工作中的重中之重。如今,多年的反恐工作積累了大量的數(shù)據(jù),從大量的數(shù)據(jù)中尋找出其中的價值是本文的主要工作,將計算機技術與監(jiān)控視頻相結合,完成重點陣地管控模塊的功能設計,可以及早發(fā)現(xiàn)暴恐敏感特征,讓工作人員合理分配警力、財力,提前做好預防措施,彈性調整對不同重點陣地的管控力度,減少工作人員的工作量并提高工作效率。本文主要研究卷積神經網絡在暴恐敏感特征識別中的應用,研究的暴恐敏感特征主要為敏感服飾特征,經整理得到如下幾種敏感特征:星月標志、蒙黑紗、大胡子、里切克頭巾、吉里巴甫服飾。如今天網監(jiān)控系統(tǒng)日益成熟,監(jiān)控遍布了大街小巷,為公安部門提供了大量的視頻信息,因此本文將卷積神經網絡進行敏感特征訓練,讓訓練好的識別模型代替人力,進行敏感特征查找。卷積神經網絡主要是對輸入樣本進行抽象和降維來達到特征提取的目的,理論是通過對輸入數(shù)據(jù)的反復學習,提取暴恐特征圖片里的敏感特征,不斷地調整敏感特征的權值,并在隱含層將敏感特征分類結果表現(xiàn)出來。同時卷積神經網絡中的某個神經元出現(xiàn)異常,其他的神經元依然可以保存相應的特征權值,因此該網絡具有較強的抗干擾特性。針對視頻圖像容易被外界因素影響而產生模糊的情況,本文會對反恐部門提供的樣本數(shù)據(jù)進行深入的了解并總結其中所存在的問題,選擇合適的圖像處理技術對樣本數(shù)據(jù)進行有目的的處理,來達到良好的圖片預處理效果,以便敏感特征識別模型進行有效識別。實驗部分本文會通過兩個軟件來進行仿真實現(xiàn),圖像去噪和圖像增強兩個部分通過Matlab軟件來進行實驗分析,卷積神經網絡的實驗過程將在tensorflow環(huán)境下進行,運用Syder工具進行編碼實驗,并在最后做兩組數(shù)據(jù)檢測,一個是正確集和錯誤集樣本的識別,另一個是經過圖片預處理的樣本識別,實驗結果證明本文選擇的暴恐敏感特征預處理技術效果良好,并且搭建的敏感特征識別模型分類結果表現(xiàn)不錯。
【學位單位】：江西師范大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：D918.2;TP391.41;TP183
【部分圖文】：

基于圖像處理和卷積神經網絡的反恐特征識別研究與實現(xiàn)第二章 主要研究內容2.1. 整合反恐業(yè)務關系圖通過對反恐工作現(xiàn)有系統(tǒng)的深入了解，目前反恐工作人員通過多個系統(tǒng)進行反恐工作，經過統(tǒng)計一共有 13 個不同的系統(tǒng)，每個工作人員都要在多個系統(tǒng)之間切換工作，并且每個系統(tǒng)的功能較為單一。搭建業(yè)務關系圖共經歷了以下三個步驟：（1）對現(xiàn)有 13 個分散系統(tǒng)的功能整理。（2）結合分散系統(tǒng)和工作人員的日常工作流程進行初步業(yè)務關系圖建立。（3）通過與工作人員的進一步交流來對業(yè)務關系圖修改。通過多次修改，得到如下圖所示的業(yè)務關系圖：

供重點人的管控信息，可分頁查詢重點人的不同類別信息。（4）研判，該步主要通過查看重點人管控中的管控情況和人員電子檔案數(shù)據(jù)來支撐研判過程，據(jù)包括人員基本信息，車輛卡口信息，系統(tǒng)提供可視化統(tǒng)計、統(tǒng)計分析和信息索功能，為用戶提供直觀的研判所需的數(shù)據(jù)，具體的研判過程由用戶根據(jù)數(shù)據(jù)息進行人工研判。在數(shù)據(jù)接入部分完成省反恐平臺與部級平臺的對接工作以及公安網中大數(shù)據(jù)平臺基礎數(shù)據(jù)接口定義，實現(xiàn)部、省、市反恐的縱深一體化工流程，解決目前業(yè)務流程的分散、不系統(tǒng)的狀況。重點建設數(shù)據(jù)源層、SOA 服層、展現(xiàn)層、電子檔案類應用模塊、業(yè)務類應用模塊和系統(tǒng)管理類應用模塊。該平臺的建設要達到的另一個目的是充分利用大數(shù)據(jù)分析來輔助反恐工作，要完成的目標是在之前的基礎上完成大數(shù)據(jù)分析，利用了包括機器學習和人工能等在內的多種高新技術，智能管理四大業(yè)務模塊數(shù)據(jù)，實現(xiàn)自動反恐信息收、判斷和預警功能，作到早發(fā)現(xiàn)早處理。完成與省公安網大數(shù)據(jù)深度接口對接，點建設數(shù)據(jù)服務層、分析研判類應用模塊和預測預警類應用模塊。在四大反恐業(yè)務中，管控步驟通過業(yè)務協(xié)同模塊獲取待管控人員信息，然后用陣地管控模塊獲取視頻資源，該步驟的模塊交互時序圖如下：

工程碩士專業(yè)學位論文（3）里切克頭巾、吉里巴甫服飾：這兩類服飾實質上是一種文化上的入侵，由于我國早期的無神論思想導致了宗教在國內的發(fā)展不好，給與了外來宗教機會，伊斯蘭教便是利用了我國穆斯林民眾的信仰從服飾開始影響信眾的正常信仰，這兩種服飾既不是維族的傳統(tǒng)服飾，也不是穆斯林的正常服飾，宗教極端勢力突顯其極端思想的具體表現(xiàn)。早在 2013 年 7 月，克拉瑪依市就發(fā)布通告，嚴厲禁止各年齡段女性穿著里切克和吉里巴甫服飾，如有出現(xiàn)此類服飾，一律進行嚴懲，因此本文將這兩類服飾定為兩種敏感暴恐特征[9]。這兩類敏感特征的干擾項為戴口罩，吉里巴甫服飾的特征是只露出眼睛，其他部分均被黑布遮掩，里切克表現(xiàn)為眼睛、鼻子和嘴巴露出無遮擋物，其他部分均被黑布遮掩，因此與戴口罩差異較明顯，易于區(qū)分。如下圖是禁止人民的著裝樣式及標志：

【相似文獻】

相關期刊論文 前10條

1 胡悅;;金融市場中的神經網絡拐點預測法[J];金融經濟;2017年18期

2 遲惠生;陳珂;;1995年世界神經網絡大會述評[J];國際學術動態(tài);1996年01期

3 吳立可;;脈沖神經網絡和行為識別[J];通訊世界;2018年12期

4 林嘉應;鄭柏倫;劉捷;;基于卷積神經網絡的船舶分類模型[J];信息技術與信息化;2019年02期

5 俞頌華;;卷積神經網絡的發(fā)展與應用綜述[J];信息通信;2019年02期

6 韓真;凱文·哈特尼特;;為神經網絡的通用理論建造基石[J];世界科學;2019年04期

7 鮑偉強;陳娟;熊濤;;基于進化神經網絡的短期電力負荷預測研究[J];電工技術;2019年11期

8 陳曉燕;;淺析簡單神經網絡的發(fā)展及簡單模型[J];數(shù)字技術與應用;2019年05期

9 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設計研究[J];數(shù)字技術與應用;2018年04期

10 張庭略;;基于硬件的神經網絡加速[J];通訊世界;2018年08期

相關會議論文 前10條

1 孫軍田;張U

本文編號：2828785