基于深度学习的目标识别及安防应用研究

发布时间：2021-01-30 20:53

　　视觉是人类与外界交流的重要渠道。计算机视觉通过模拟人类视觉的形式来获取、识别和理解客观信息,不断改善着人们的生活。计算机视觉技术的发展促进了视频监控系统的大规模应用。但传统的视频监控系统需要极大的人力和物力来维持,并且缺乏实时性,已经不能符合视频监控系统的发展需求。智能视频安防监控系统是利用计算机视觉技术对视频信息的一个自动处理的过程。智能安防系统无需人工值守,利用计算机视觉和图像处理技术对图像信息进行自动处理和分析。随着计算机视觉和深度学习技术的发展,人们对安防监控系统的性能和质量提出了更高的要求,智能视频安防系统以其智能化和实时性展现出了巨大的应用前景。本文主要研究如何使用嵌入式开发板结合外接设备搭建智能视频安防监控系统,为实现开发体积小、易安装、价格低、性能稳定的智能视频安防监控系统开辟一条新的途径。本文是基于Raspberry pi开发平台,在OpenCV的基础上设计的基于深度学习的嵌入式智能安防系统。本文首先总结了目前视频监控系统的工作原理以及存在的问题,介绍了智能安防系统的发展现状,阐述了智能安防系统研究意义。然后对运动目标检测技术进行分析和对比,结合嵌入式平台的特点,提出... 

【文章来源】：北京工业大学北京市 211工程院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

系统结构图

将阐述系统的整体方案并介绍本文中用到的图像预处理技术。首先防系统存在的不足，提出本系统设计思路，其次介绍了系统的实现组成部分。最后对图像预处理方法进行介绍。方案设计能安防系统采用分块设计，对系统各个模块独立开发，组合在一起的系统，方便系统的移植和更新。接下来对本次智能安防系统要实整体设计思路进行详细的阐述和分析。统实现目标系统是以运用安全防范产品和其它相关产品所构成的安全防卫系统的安防系统一般由感应器、监视器和控制主机组成，基本结构如图

图 2-2 系统实现目标Fig.2-2 Diagram of the system goal如图 2-2 所示，其数据流向主要有以下几条路径：（1）上行流。摄像头将采集到的图像数据通过发送到安防平台，安防平台对数据进行处理，并根据安防策略选择是否由 Internet 转发到云端以及移动端APP。（2）本地下行流。安防平台根据安防策略对摄像头采集到的数据进行处理并向报警器发出控制指令，报警器根据接收到的控制指令控制报警设备的开启与关闭。（3）反向控制流。云端接受移动端控制命令，通过 Internet 将控制命令发布到安防平台，安防平台将控制指令传到报警器，报警器根据收到的命令控制报警设备的开启和关闭。其中，对于上行数据，可以通过安防端的本地文件进行查看，也可以通过手机端查看。本次智能安防系统的设计目标是实现本地安防平台自动报警功能和对安防平台的远程控制功能。

【参考文献】：
期刊论文
[1]基于光流场与EM算法的运动目标检测[J]. 王源金,何建农.  福州大学学报(自然科学版). 2017(06)
[2]基于卷积神经网络的信道均衡算法[J]. 陈敏华,李杨,张武雄.  计算机应用与软件. 2017(09)
[3]深度学习在目标视觉检测中的应用进展与展望[J]. 张慧,王坤峰,王飞跃.  自动化学报. 2017(08)
[4]智能视频监控技术的发展[J]. 徐彤.  电子技术与软件工程. 2017(14)
[5]深度学习在图像处理领域的研究[J]. 侯宇昆.  信息系统工程. 2017(07)
[6]融合帧差和ViBe的运动目标检测算法[J]. 魏洪涛,李瑾,吴细秀.  计算机应用研究. 2017(05)
[7]基于三帧差分和滑动平均背景的运动目标检测[J]. 周晓,方玖琳,郑定超.  计算机测量与控制. 2016(05)
[8]基于改进背景差分法的运动物体检测的研究[J]. 沈剑雷,夏定纯.  通信电源技术. 2016(02)
[9]现代智能视频监控研究综述[J]. 吴群,王田,王汉武,赖永炫,钟必能,陈永红.  计算机应用研究. 2016(06)
[10]智能视频监控技术综述[J]. 黄凯奇,陈晓棠,康运锋,谭铁牛.  计算机学报. 2015(06)

硕士论文
[1]基于改进CamShift算法的嵌入式目标跟踪系统设计[D]. 任楷飞.中北大学 2018
[2]智能视频监控中运动目标检测识别方法研究[D]. 白一帆.太原理工大学 2018
[3]智能视频监控中的运动目标检测与分类算法研究[D]. 郭佳佳.西安电子科技大学 2018
[4]智能视频监控中运动目标检测与预警的研究与实现[D]. 杨辉.江苏科技大学 2014



本文编号：3009569