智能家居监控视频中的行人检测技术研究

发布时间：2020-11-11 05:05

　　 由于其应用场景的广泛性,行人检测技术对于机器人、汽车辅助驾驶及自动驾驶、视频的监控以及对于视频中行人的行为预判提供了非常重要的技术支持,使其成为计算机领域一个非常重要的分支。近年来,智能家居系统的概念已经走向大众并且得到了广泛的应用,现在的智能家居系统都配备有监控系统,室内和门口以及室外都可以或者需要安装监控系统以备不时之需。监控系统给家庭环境带来了极大的安全保障。行人检测作为视频监控中的主要问题,研究相关算法对于提高智能家居中监控视频的性能具有很重要的意义。行人检测的研究和发展主要经历了三个阶段:首先是基于图像处理的行人检测方法:光流法、帧差法和背景差法。然后,2005年提出的梯度方向直方图成为这一领域的一大突破,基于HOG(Histogram of Oriented Gradient,梯度方向直方图)的特征提取使得行人直接类内的特征差异小而与其他类别之间的差异大。此后的行人、目标检测方法的发展和优化都是在这个基础上进行发展的。最后一种就是现阶段效果最优的基于深度学习的方法,目标检测中较为突出的代表则是 Faster R-CNN(Faster Regions with convolutional neural networks features),无论是速度还是精度上都具有很大的优势。本文对比了多种行人检测方法,对各种方法存在的问题进行了分析,最终将基于Faster R-CNN的目标检测方法运用到了智能家居中的行人检测中,取得的主要研究成果如下。(1)分别利用背景建模和帧间差法,以及基于机器学习的提取图像HOG特征,结合SVM分类器对智能家居监控视频中的行人进行检测,并对每种方法存在的问题进行了总结;(2)设计与实现了将Faster R-CNN算法运用在智能家居的行人检测当中,构建并实现了行人检测系统,并且通过GPU对行人检测进行加速以实现实时检测。(3)利用智能家居中的行人检测系统,我们可以实现1)运用Faster R-CNN算法检测行人并保存下图像;2)发送该图像到网络服务器;3)将上传到服务器上的图片推送到手机,对智能家庭的安全性提供保障。实验证明,即使在复杂的场景中,本系统的实时性也满足要求,具备良好的性能。
【学位单位】：中国科学技术大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP391.41;TU855
【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 智能家居中行人检测的背景和意义
    1.2 行人检测研究难点及研究现状
    1.3 本文主要工作
    1.4 论文组织架构
第2章 行人检测相关技术
    2.1 图像处理基础
        2.1.1 图像预处理
        2.1.2 图像分割
    2.2 传统的运动目标检测的方法
        2.2.1 背景减去法
        2.2.2 帧差法
        2.2.3 基于背景建模的行人检测
    2.3 基于HOG特征提取与SVM分类器的行人检测
        2.3.1 提取图像的HOG特征
        2.3.2 支持向量机SVM的分类器
        2.3.3 基于HOG和SVM的行人检测过程和结果
    2.4 深度学习基础
        2.4.1 监督学习
        2.4.2 神经网络
        2.4.3 网络的反向传播
        2.4.4 卷积神经网络
第3章 基于Faster R-CNN的智能家居的行人检测
    3.1 基于深度学习的Faster R-CNN的基础
        3.1.1 区域建议网络
        3.1.2 平移不变的锚点
        3.1.3 学习区域建议的损失函数
        3.1.4 优化
        3.1.5 区域建议和物体检测共享卷积特征
        3.1.6 利用CUDA对非极大值抑制部分加速计算
    3.2 行人检测网络训练
        3.2.1 训练流程
        3.2.2 具体的训练细节
    3.3 智能家居中行人检测流程
    3.4 检测结果与分析
第4章 智能家居中行人检测的系统设计
    4.1 系统的整体架构
    4.2 利用Socket将图片上传到服务器
        4.2.1 Socket通信的基础知识
        4.2.2 对数据加包头进行传输
    4.3 利用个推将消息推送到手机
    4.4 实验结果与分析
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
在读期间发表的学术论文与取得的其他研究成果

【参考文献】

相关期刊论文 前10条

1 於正强;潘赟;宦若虹;;一种结合帧差法和混合高斯的运动检测算法[J];计算机应用与软件;2015年04期

2 闫钧华;杭谊青;许俊峰;储林臻;;基于CUDA的高分辨率数字视频图像配准快速实现[J];仪器仪表学报;2014年02期

3 郝维来;吴旨竞;;基于隔帧差分和背景减去法的运动车辆检测算法[J];工业仪表与自动化装置;2013年03期

4 吴颀峰;董丹丹;;基于GPU的数字图像处理算法研究[J];青春岁月;2012年14期

5 刘松涛;殷福亮;;基于图割的图像分割方法及其新进展[J];自动化学报;2012年06期

6 张秋仙;;帧间差分法与平均背景法在运动检测中应用的研究[J];企业科技与发展;2010年18期

7 张广坤;宋进;李培龙;李玲;;基于多帧差分与自适应技术的运动目标检测方法研究[J];机电一体化;2010年07期

8 张艺濒;张志斌;赵咏;郭莉;;TCP与UDP网络流量对比分析研究[J];计算机应用研究;2010年06期

9 夏玲;王伟平;;客户端与服务器端的Socket通信[J];电脑知识与技术;2009年04期

10 王荣本;郭烈;金立生;顾柏园;余天洪;;智能车辆安全辅助驾驶技术研究近况[J];公路交通科技;2007年07期

本文编号：2878785