基于视频监控的异常行为检测算法设计与嵌入式系统实现

发布时间：2023-05-05 18:50

　　监狱是负责关押和改造服刑人员的重要国家机关,是维系社会稳定和安宁至关重要的一环。本文意通过技术手段对监狱视频监控系统进行智能化改造,辅助狱警工作,减少监狱监管工作量提升工作效率。根据学校承担的国家重点研发计划课题中有关智能化改造宁夏某监狱的项目,本文基于深度学习和图像处理技术设计开发相关异常行为检测算法及嵌入式平台系统实现。最终本文设计开发的算法和系统能够通过视频监控分析检测服刑人员活动规律和睡眠状态,输出便于狱警查看的可视化数据,及时预警存在异常行为人员,通知狱警对此类人员进行核查确认,及时解决问题防患于未然。本文设计开发的算法和系统从项目实际需求出发,以极低的物力和人力投入辅助狱警工作,排查异常,大大减少排查的工作量,大幅提升监狱监管的工作效率,通过技术手段预警监狱中潜在隐患和过激行为。本文内容具体总结如下:首先目前大多数基于深度学习的目标检测算法对计算性能要求很高,主要通过装有GPU的高性能台式计算机或者连接网络的高性能服务器上实现部署。但是装有GPU的高性能台式计算机价格高昂、体积较大,不便于直接在指定监舍中部署,同时实现成本过高超出项目预算。如果通过连接高性能服务器进行数据处...

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 研究现状
    1.3 论文的研究目标和内容
        1.3.1 论文的研究目标
        1.3.2 论文的研究内容
    1.4 本文组织结构
第二章 相关算法研究和硬件平台设计
    2.1 相关目标检测算法研究
        2.1.1 基于深度学习的目标检测算法分析
        2.1.2 背景差分法和帧间差分法
    2.2 硬件平台设计
        2.2.1 平台方案分析
        2.2.2 NVlDlA JETSON TX2处理器
        2.2.3 Tx2嵌入式平台设计
    2.3 本章小结
第三章 基于深度学习的人员活动规律异常行为检测
    3.1 任务分析
    3.2 Yolov3算法及改进
        3.2.1 Yolov3算法流程分析
        3.2.2 网络结构设计分析
        3.2.3 Yolov3模型剪枝
        3.2.4 基于TensorRT加速Yolov3算法检测速度改进
    3.3 数据可视化算法设计及改进
        3.3.1 K-means算法及改进
        3.3.2 差异值哈希算法
    3.4 实验过程及分析
        3.4.1 数据集的制作
        3.4.2 模型训练和剪枝
        3.4.3 修改模型输出并测试
        3.4.4 活动热力图绘制算法
        3.4.5 改进K-means算法聚类热点并绘制
        3.4.6 差异值哈希算法进行图像拟合度计算
        3.4.7 活动区域面积可视化
        3.4.8 热点停留时刻时长数据可视化
    3.5 本章小结
第四章 基于数字图像处理的睡眠状态异常检测
    4.1 任务分析
    4.2 算法设计
        4.2.1 设定掩膜提取感兴趣区域
        4.2.2 睡眠状态曲线算法设计
        4.2.3 曲线相似度计算研究
        4.2.4 睡眠状态异常判断
    4.3 实验过程及结果分析
        4.3.1 制作实验数据集
        4.3.2 获取睡眠状态曲线
        4.3.3 获取睡眠指标数据
        4.3.4 曲线拟合度计算
    4.4 本章小结
第五章 总结与展望
    5.1 本文工作总结
    5.2 后续工作展望
致谢
参考文献
攻读学位期间发表及录用学术论文
附录



本文编号：3808206