基于监控视频的电梯轿厢内禁入目标检测算法研究与实现

发布时间：2024-06-29 02:54

　　箱式电梯的使用在生活中愈加普及,但电梯轿厢空间狭小,一些乘客携带劣犬等物体进入电梯可能会造成乘客的人身安全损失,或引起电梯运行安全问题。利用计算机视觉技术实现基于监控视频的禁入目标检测,在电梯安防领域具有较强的学术意义和工程意义。本文应江苏省特种设备安全检验监督研究院无锡分院要求,研究基于电梯监控视频的禁入目标检测算法,并设计了禁入目标检测子系统,提供检测数据给电梯监控平台。针对电梯监控视频的分析处理,先判断了电梯内是否有物体,再执行目标识别。本文以犬类为禁入目标的典型代表,对犬类目标识别开展实验,针对电梯轿厢环境,制作了本文所需的数据集,选用了三种不同类型的目标识别算法展开研究并改进。基于HOG特征和SVM分类器的算法比较了不同人工特征的识别效果;采用HOG结合栈式自编码器网络的改进算法相比原算法识别率有约10%的提升;基于YOLO卷积神经网络的算法在添加批规范化操作、改善损失函数等改进后识别效果较好,测试集下查全率达83%。最后比较了三个算法对电梯监控视频的检测效果,改进YOLO算法在GPU支持的条件下有较好的识别效果,并且能够满足在线检测的要求。本文采用B/S架构设计实现了基于电...

【文章页数】：86 页

【学位级别】：硕士

【部分图文】：

图2-2：电梯灰度直方图

东南大学硕士学位论文10图2-2：电梯灰度直方图2.5目标识别算法分析2.5.1电梯内禁入目标识别算法特点目标识别算法是禁入目标检测的核心。基于监控视频的电梯轿厢内禁入目标检测首先需要分析电梯环境的特殊性以及电梯轿厢内禁入目标的特点。电梯监控图像包含前景和背景，图像中又会包含许多....

图2-3：电梯监控视频下的犬类目标其次，从实际应用需求角度，目标识别需要满足识别速度要求、识别准确度要求和

第二章基于视频的轿厢内禁入目标检测总体设计11图2-3：电梯监控视频下的犬类目标其次，从实际应用需求角度，目标识别需要满足识别速度要求、识别准确度要求和硬件要求等。不同类型的算法在模型复杂度、训练复杂度、硬件要求、识别效果、识别速度等方面各有特点。对于具体算法而言，提高识别效果可....

图2-4：卷积神经网络所提取的一些特征

东南大学硕士学位论文12表进行电梯内禁入目标识别，并针对YOLO的数据集、损失函数和网络结构改进YOLO算法使之适用于本文应用场景。图2-4：卷积神经网络所提取的一些特征综上，本文课题主要研究了基于HOG+SVM的目标识别算法、基于SAE的改进目标识别算法和基于YOLO的改进目标....

图2-5：斯坦福数据集斯坦福大学犬类数据集是专门为犬类的识别出现的数据集，提供了大量丰富的犬类数据和标准的数据集标注，可以较好地应用于本文识别算法的需要

第二章基于视频的轿厢内禁入目标检测总体设计13目前最为标准的目标识别数据集为PASCALVOC挑战赛的VOC2007和VOC2012数据集[52]，其中包含了表2.1所示行人、猫、狗、自行车等20不同类别的目标。VOC数据集是图像识别和分类的一整套标准化的、优秀的数据集。本文后续....

本文编号：3997057