基于深度學(xué)習(xí)的視頻目標(biāo)檢測(cè)方法研究與系統(tǒng)實(shí)現(xiàn).pdf

1、如何將視頻監(jiān)控網(wǎng)絡(luò)獲取的視頻數(shù)據(jù)利用人工智能的方法進(jìn)行高效的分析，是近來(lái)計(jì)算機(jī)視覺(jué)領(lǐng)域備受大家關(guān)注的一個(gè)前沿課題。而且隨著計(jì)算機(jī)科學(xué)與技術(shù)以及視頻監(jiān)控硬件的快速發(fā)展，業(yè)界對(duì)智能監(jiān)控技術(shù)的要求也越來(lái)越高。所謂的智能視頻監(jiān)控處理技術(shù)，主要是可以在不需要人力干預(yù)的情況下，利用計(jì)算式視覺(jué)的圖像分析方法，將視頻監(jiān)控網(wǎng)絡(luò)獲取到的視頻解析為一個(gè)視頻序列并完成對(duì)其的自動(dòng)分析，進(jìn)而實(shí)現(xiàn)對(duì)實(shí)際監(jiān)控場(chǎng)景中目標(biāo)的檢測(cè)、分類、識(shí)別與跟蹤，再通過(guò)既定算法完成對(duì)當(dāng)前

2、視頻目標(biāo)行為的分析。這種技術(shù)可以在完美替代傳統(tǒng)監(jiān)控所有功能的同時(shí)，還可以對(duì)突發(fā)的各種異常情況做出迅速的反應(yīng)。而視頻目標(biāo)檢測(cè)是整個(gè)智能視頻處理系統(tǒng)的基礎(chǔ)部分，更是后續(xù)的各種高級(jí)應(yīng)用（如目標(biāo)跟蹤、目標(biāo)再識(shí)別）的基礎(chǔ)，因此視頻目標(biāo)檢測(cè)在智能視頻分析系統(tǒng)中起著關(guān)鍵性的作用。本文基于深度學(xué)習(xí)對(duì)視頻目標(biāo)檢測(cè)方法進(jìn)行研究，利用深度卷積神經(jīng)網(wǎng)絡(luò)多層非線性結(jié)構(gòu)的特性對(duì)視頻目標(biāo)特征進(jìn)行整體建模?？紤]到之前的一些視頻目標(biāo)檢測(cè)算法在進(jìn)行一些小目標(biāo)檢測(cè)時(shí)都不夠快

3、速、準(zhǔn)確且對(duì)不同場(chǎng)景普適性較差，本文結(jié)合Faster RCNN對(duì)于普通視頻目標(biāo)檢測(cè)快速準(zhǔn)確的特點(diǎn)以及ResNet在深度網(wǎng)絡(luò)特征提取層加入的effectivepath（多人投票系統(tǒng)），再加上后期對(duì)網(wǎng)絡(luò)結(jié)構(gòu)的精簡(jiǎn)，提出了一個(gè)可以對(duì)視頻目標(biāo)進(jìn)行快速檢測(cè)同時(shí)兼顧小目標(biāo)檢測(cè)的名為ERF-Net(Efficient Residual Faster rcnn)的深度網(wǎng)絡(luò)結(jié)構(gòu)。通過(guò)在多個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集和自建數(shù)據(jù)集上與同類檢測(cè)算法進(jìn)行對(duì)比實(shí)驗(yàn)，最后的實(shí)驗(yàn)結(jié)果