基于深度学习的实验室人数统计与管理系统

发布时间：2022-04-19 18:18

　　当前,国内普通高校实验室普遍存在着人员管理粗放、科研效率较低等问题,如何强化实验室人员管理,提升科研效率是一个值得探究的领域。随着目标检测技术的发展成熟和视频监控的广泛普及,通过视频监控系统,并运用目标检测技术使得强化实验室人员管理成为可能。传统的基于图像处理的目标检测技术虽然取得了一定的成效,但其检测准确性很难达到理想状态。受益于计算机硬件性能的提升,基于深度学习的目标检测技术产生了重要突破,在确保检测速度的同时能够达到极高的检测准确率。因此,如何利用深度学习的方法实现图像目标的精准检测正在成为当下的热门研究领域。本文通过对比分析基于传统算法和基于深度学习的目标检测技术,指明了后者检测效果更佳,能够运用在更多的领域。因此,本文将实验室的视频监控和基于深度学习的目标检测技术紧密结合起来,在分析了深度学习基础理论的基础上,着重研究了实验室视频监控中的人头检测模型。研究工作主要有:（1）搭建了实验环境。包括有:搭建实验室视频监控系统;采集实验室内监控画面,构建实验室人体头部数据集;配置深度学习所需的软件环境。（2）实现了实验室内基于不同深度残差网络的Faster R-CNN人头检测模型,验... 

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题的背景与意义
    1.2 国内外研究现状
        1.2.1 基于传统算法的目标检测研究现状
        1.2.2 基于深度学习的目标检测研究现状
        1.2.3 人体头部检测研究现状
        1.2.4 研究现状小结
    1.3 本文主要研究内容
    1.4 论文组织结构
第二章 深度学习基础和技术概述
    2.1 卷积神经网络
        2.1.1 卷积层
        2.1.2 激活函数
        2.1.3 池化层
        2.1.4 全连接层
        2.1.5 反向传播算法
    2.2 残差网络
    2.3 系统实现技术概述
        2.3.1 Django
        2.3.2 TensorFlow
    2.4 本章小结
第三章 实验室人头检测模型的研究与实现
    3.1 实验环境搭建与数据集构建
        3.1.1 搭建实验环境
        3.1.2 构建实验数据集
    3.2 模型评价指标的定义
    3.3 不同检测模型的实现与性能比较
        3.3.1 不同深度残差网络的对比分析
        3.3.2 不同目标检测模型的对比分析
    3.4 人头检测模型的增量测试
    3.5 模型检测结果的研究与优化
        3.5.1 IoU过滤算法
        3.5.2 人员定位
    3.6 本章小结
第四章 系统设计开发与功能展示
    4.1 需求分析
        4.1.1 功能性需求
        4.1.2 非功能性需求
    4.2 系统设计与实现
    4.3 系统测试与功能展示
    4.4 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 工作展望
附录
参考文献
攻读硕士学位期间完成的科研成果
致谢


【参考文献】：
期刊论文
[1]一种结合校园一卡通系统及物联网技术的智能实验室安防系统设计[J]. 王璐,周亦敏,余治昊.  电子器件. 2018(04)
[2]基于深度神经网络的行人头部检测[J]. 陶祝,刘正熙,熊运余,李征.  计算机工程与科学. 2018(08)
[3]目标检测算法研究综述[J]. 方路平,何杭江,周国民.  计算机工程与应用. 2018(13)
[4]Faster-RCNN的癌症影像检测方法[J]. 王黎,陆慧娟,叶敏超,严珂.  中国计量大学学报. 2018(02)
[5]仓储环境下基于深度学习的物体识别方法研究[J]. 金秋,李天剑.  北京信息科技大学学报(自然科学版). 2018(01)
[6]基于深度学习的高分辨率遥感影像分类研究[J]. 刘大伟,韩玲,韩晓勇.  光学学报. 2016(04)
[7]基于物联网技术的智慧开放实验室管理系统设计[J]. 曲娜,盛桂珍,杨海波.  实验技术与管理. 2015(12)
[8]基于云计算的实验室管理信息系统设计[J]. 伍燕青.  实验室研究与探索. 2013(08)

硕士论文
[1]基于Adaboost和Faster-RCNN的肺结节检测算法[D]. 李夏.山东大学 2018



本文编号：3646396