基于深度学习的考试异常行为识别研究及应用

发布时间：2023-01-29 08:15

　　考试是选拔人才的主要手段,为保证考试的公平性,监考通常是采用派专人并结合视频监控的方式,但是人工审查大量监控视频效率低,会漏检大量目标,因此,让计算机准确地自动识别考试异常行为是本文研究的目标。标识考试监控画面中的考生异常行为类别和发生位置是一种典型的目标检测任务,使用传统目标检测算法存在特征难设计、算法性能差的问题,而深度学习目标检测算法有效避免了人工设计特征提取方法,多样化的网络结构为实现检测提供了不同的方案,本文主要做了以下两个方面的研究工作:（1）分别基于深度学习目标检测算法Mobilnet-SSD与YOLOv3训练模型,首先从多角度录制考试监控视频,按照7帧的间隔截取视频图像并标注考生异常行为,经过格式转换后得到tf Record格式的数据集文件;然后分析SSD算法流程以及优化策略,将SSD主干网络由VGG-16换为轻量化网络Mobile Net的结构,避免因模型过于庞大而导致在嵌入式设备上难以运行的问题;通过比较YOLO系列算法各自的特点,选择检测速度与精度更加均衡且对小物体检测效果更好的YOLOv3算法训练模型;最后展示两种模型训练过程中损失函数的变换趋势,以m AP作为... 

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 主要研究内容
    1.4 论文组织结构
第2章 相关理论及技术介绍
    2.1 深度学习技术
    2.2 目标检测算法概述
    2.3 OpenCV图像与视频处理
    2.4 Python多进程与多线程
    2.5 本章小结
第3章 数据集与算法评价指标
    3.1 目标检测公共数据集
    3.2 考试异常行为数据集
    3.3 目标检测算法评价指标
    3.4 本章小结
第4章 考试异常行为识别模型的构建
    4.1 模型构建方案
    4.2 SSD算法
    4.3 Mobilnet-SSD目标检测
    4.4 YOLO算法
    4.5 考试异常行为识别模型
    4.6 实验结果分析
    4.7 本章小结
第5章 模型检测实时性的提升
    5.1 检测程序设计及实现技术
    5.2 模型检测
    5.3 检测实时性提升方案
    5.4 实验结果分析
    5.5 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
个人简介


【参考文献】：
期刊论文
[1]多尺度特征融合的图像语义分割[J]. 马冬梅,杨彩锋,李鹏辉.  西北师范大学学报(自然科学版). 2020(01)
[2]计算机视觉算法的图像处理技术研究[J]. 李亚丽,张国平.  电脑编程技巧与维护. 2019(12)
[3]基于AlexNet网络的动物图片分类[J]. 周德良.  贵州大学学报(自然科学版). 2019(06)
[4]旋转矩形区域的遥感图像舰船目标检测模型[J]. 仲伟峰,郭峰,向世明,潘春洪.  计算机辅助设计与图形学学报. 2019(11)
[5]基于文献计量的中国人工智能研究知识图谱分析[J]. 孙杰,佟泽华,姜子元,师闻笛,刘晓婷,薛晓娜.  山东理工大学学报(自然科学版). 2020(01)
[6]浅谈视频监控系统的现状及发展趋势[J]. 段雨梅.  科技风. 2019(29)
[7]基于深度网络的图像语义分割综述[J]. 罗会兰,张云.  电子学报. 2019(10)
[8]基于改进SSD的特种车辆红外伪装检测方法[J]. 赵晓枫,徐明扬,王聃漂,杨佳星,张志利.  红外与激光工程. 2019(11)
[9]基于深度学习的目标检测算法研究进展[J]. 谢娟英,刘然.  陕西师范大学学报(自然科学版). 2019(05)
[10]改进CaffeNet模型在水面垃圾识别中的应用[J]. 向伟,史晋芳,刘桂华,徐锋,黄占鳌.  传感器与微系统. 2019(08)

硕士论文
[1]基于神经网络的股票预测模型[D]. 郜星军.广西大学 2019



本文编号：3732662