基于深度神經(jīng)網(wǎng)絡(luò)的智能監(jiān)控系統(tǒng)的研究與實現(xiàn).pdf

1、如今，社會的安全形勢日益復(fù)雜，傳統(tǒng)的監(jiān)控識別算法的識別效果已經(jīng)不能滿足需求，隨著計算機視覺技術(shù)和深度學(xué)習(xí)的理論和研究的迅猛發(fā)展，可以用更加智能的算法替代傳統(tǒng)識別算法。本文主要研究了基于深度網(wǎng)絡(luò)的監(jiān)控識別算法，并將算法應(yīng)用在智能監(jiān)控系統(tǒng)當(dāng)中。與傳統(tǒng)的監(jiān)控識別算法不同，本文的深度網(wǎng)絡(luò)不需要人為的對特征進行設(shè)計，也不需要根據(jù)環(huán)境和算法人為的調(diào)整參數(shù)，而是設(shè)計了一個多尺度的卷積神經(jīng)網(wǎng)絡(luò)，在行為視頻庫上訓(xùn)練出了可以提取人體行為的網(wǎng)絡(luò)模型，將其作為

2、監(jiān)控異常行為的算法。此外在YOLO網(wǎng)絡(luò)的基礎(chǔ)上，再用行人圖片庫優(yōu)化了網(wǎng)絡(luò)的特征提取能力后，設(shè)計了入侵檢測算法和徘徊檢測算法，算法都在仿真實驗中取得了優(yōu)秀的識別效果，最后將算法都應(yīng)用在了智能監(jiān)控識別系統(tǒng)之中。
　　本論文重點實現(xiàn)了基于改進多尺度神經(jīng)網(wǎng)絡(luò)的行為識別算法和基于YOLO的入侵檢測算法和徘徊檢測算法，具體的工作如下：
　　1.研究3D CNN，通過用更長的視頻輸入，對灰度通道和光流通道進行獨立卷積連接下層網(wǎng)絡(luò)的方式，改

3、進了輸入層，使得第一層卷積層的卷積核可以有專一性的特征提取能力；在網(wǎng)絡(luò)結(jié)構(gòu)中增加了三維時空下采樣層，給網(wǎng)絡(luò)在時間尺度上增加了平移不變性，提升了網(wǎng)絡(luò)對視頻識別的魯棒性；增加了NIN結(jié)構(gòu)，使網(wǎng)絡(luò)有非線性特征的提取能力；增加了時空金字塔結(jié)構(gòu)，使得整個網(wǎng)絡(luò)中可以輸入不同分辨率，不同時長的視頻，使得本模型適用于真實環(huán)境的視頻監(jiān)控，加強了網(wǎng)絡(luò)的應(yīng)用價值。
　　2.對YOLO網(wǎng)絡(luò)進行新的訓(xùn)練，加強網(wǎng)絡(luò)中的人體特征提取能力，將網(wǎng)絡(luò)作為特征提取器與

4、傳統(tǒng)的入侵檢測算法結(jié)合，實現(xiàn)了一種新的入侵檢測算法，利用這個算法，結(jié)合了運動方向特征和顏色特征，實現(xiàn)了一種自動檢測人體并且抗遮擋的徘徊檢測算法。這種算法與傳統(tǒng)的入侵檢測相比，本算法可以區(qū)分入侵主體是否是人體，并且有更好的識別效果，具備更大的實用價值。
　　3.根據(jù)現(xiàn)實的智能監(jiān)控系統(tǒng)的需求分析，設(shè)計了服務(wù)端的整體框架，將自己設(shè)計實現(xiàn)的基于三維多尺度卷積神經(jīng)網(wǎng)絡(luò)的人體行為識別算法和基于YOLO模型的入侵檢測算法和徘徊檢測算法，應(yīng)用在了