基于深度学习的保险柜状态检测研究与实现

发布时间：2020-07-07 00:53

【摘要】：保险柜作为保管重要材料的工具,保障其安全性也就是保障财产安全。过去,保险柜的防盗技术大都放到锁具的研发更新上,如防火保险柜、指纹识别保险柜等等,但是仅仅依靠保险柜自身的防盗措施,是无法保证保险柜的绝对安全。随着深度学习技术发展与国家“AI+X”战略的实施,基于深度卷积神经网络的智能监控系统展露出巨大的应用前景,因此本文基于保险柜监控视频数据,研究了基于深度卷积神经网络和计算机视觉技术的保险柜目标开关状态检测算法,并实现了保险柜开关状态智能检测系统。本文的主要工作如下:一.针对保险柜开关状态检测问题,本文从四个不同场景摄像头下各选择了50小时的真实视频,并从中挑选了相似度较低的共计14705张图片作为目标检测数据集。其中涵盖了不同摄像头分辨率、不同光照环境、保险柜位置等实际环境。二.基于保险柜目标检测数据集实现了两种保险柜状态检测方法。一种是通过修改通用目标检测算法SSD、Faster RCNN以及RFCN的特征提取网络,直接对保险柜进行检测分类,最后对比各通用算法在该数据集上的性能;二是对保险柜先检测后分类,通过设计了一个保险柜开关状态的分类网络,对检测后的保险柜目标进行再分类。三.针对人员开关保险柜时身体姿态会发生一定的变化的特点,探索人员开关保险柜时人体关键点位置变化情况,利用AlphaPose算法将人体骨骼关键点检测网络应用在保险柜状态开关检测中,通过与目标检测算法结合使用提升保险柜开关状态检测准确度。四.设计实现了基于深度学习的保险柜开关状态检测智能分析系统,该系统能够实时地对多路视频下保险柜状态进行检测并可视化,并对开关保险柜事件进行判断,并且可对历史事件查询显示。
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TS914.26;TP391.41;TP18
【图文】：

西南交通大学硕士研究生学位论文 第 1 章 绪 论研究背景及意义技与经济的飞速发展，人们经济能力和消费水平的显著提高。企业使用到的贵重物品在数量和价值上都在不断增加。从直接接触的交人电脑、PAD、单反相机等工作设备，再到重要的商业数据和商业件在不断的增加，企业的安保意识也在不断的增强。因此，通常用品和机密文件的保险柜的市场越来越大。询发布的《2016-2022 年中国保险柜产业深度调研及市场前景预测报中国保险柜行业企业共 559 家。

术等多领域知识的研究系统。这些前沿技术包括深度学习、深度将对深度学习的相关关键技术做详细介绍。前馈网络前馈网络，即前馈神经网络或者多层感知机，是一种经典的深度网络所要实现的目标是将结果逼近某个函数f ，比如，我们在利用时， y f* (x)将输入 x通过映射对应到其类别 y 。利用前馈神经 f ( x ; )，然后通过学习参数 ，从而得到最接近样本数据的函数神经网络能够被称为网络，是由于他们能够利用许多不同的函数这类经典模型可以表示为一个有向无环图，而该图可以形象的表何组合在一起。例如，设置三个函数 1 f ， 2 f 以及 3 f ，通过将 fffx321，形成一种链式结构。在该情况下， 1 f 即为网络的第二层，前馈网络的最后一层为该网络的输出层。而该链式结的深度。

图 2-2 梯度下降示例图 2v的取值如上图 2-2 中小球所在的位置，我们所做满足代价函数值为最小，也就是使上图上的小球从山2211vvCvvCC 别表示函数C对变量2v 以及2v 的偏导，乘以变量度下降算法的工作模式为不断重复的计算梯度，小球能够沿着山谷“滚动”。想可以简单概括为将每一个训练实例传入神经网

【相似文献】

相关期刊论文 前10条

1 舒朗;郭春生;;基于回归与深度强化学习的目标检测算法[J];软件导刊;2018年12期

2 王钤;张穗华;雷丝雨;邓博文;;一种基于数据聚类的目标检测算法[J];机电产品开发与创新;2016年06期

3 孙林;鲍金河;刘一超;;高光谱图像目标检测算法分析[J];测绘科学;2012年01期

4 张桂林，熊艳，曹伟，李强;一种评价自动目标检测算法性能的方法[J];华中理工大学学报(社会科学版);1994年05期

5 孙蓉蓉;李清;张国昌;;电力监控系统中运动目标检测算法研究[J];数字技术与应用;2019年12期

6 赵宝康;李晋文;杨帆;刘佳豪;;一种基于深度学习的遥感图像目标检测算法[J];计算机工程与科学;2019年12期

7 许云;李彬;;基于背景遗传模型的运动目标检测算法[J];自动化技术与应用;2017年03期

8 杜佳;宋春林;;一种改进的毫米波雷达多目标检测算法[J];通信技术;2015年07期

9 诸葛霞;向健勇;;基于分形特征的目标检测算法概述及仿真[J];红外技术;2006年10期

10 邝熠;陶果;朱玉洁;蔡伟立;;基于深度学习的目标检测算法研究与应用[J];计算机产品与流通;2020年01期

相关会议论文 前10条

1 何元磊;李红军;周陆军;李旭渊;顾立林;尼涛;;基于端元丰度量化的高光谱图像目标检测算法[A];国家安全地球物理丛书（十一）——地球物理应用前沿[C];2015年

2 孙瑾秋;张艳宁;姜磊;王敏;;基于变换域特征的星空背景弱小目标检测算法[A];第八届全国信号与信息处理联合学术会议论文集[C];2009年

3 高飞;蒋建国;安红新;齐美彬;;一种快速运动目标检测算法[A];全国第22届计算机技术与应用学术会议(CACIS·2011)暨全国第3届安全关键技术与应用（SCA·2011）学术会议论文摘要集[C];2011年

4 许俊平;张启衡;张耀;王华闯;;基于人眼视觉特性的小目标检测算法[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

5 王艺婷;黄世奇;刘代志;王红霞;;高光谱图像目标检测算法性能研究[A];国家安全地球物理丛书（十）——地球物理环境与国家安全[C];2014年

6 张国华;;一种基于导引头稳定平台结构的目标检测算法[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

7 郑伟成;李学伟;刘宏哲;;基于深度学习的目标检测算法综述[A];中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集[C];2018年

8 刘昊;赵龙;;基于改进混合高斯模型的运动目标检测算法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

9 刘峰;奚晓梁;沈同圣;;基于最大值投影的空间小目标检测算法[A];第二届空间目标与碎片监测、清理技术及应用学术研讨会论文集[C];2015年

10 邓宇;陈孝威;;综合利用时空信息的运动目标检测算法[A];第二届和谐人机环境联合学术会议(HHME2006)——第15届中国多媒体学术会议(NCMT'06)论文集[C];2006年

相关博士学位论文 前10条

1 付志航;基于空间与时间上下文的深度学习目标检测算法研究[D];浙江大学;2019年

2 黄响;高速微弱目标检测算法研究[D];西安电子科技大学;2019年

3 张丽丽;基于空谱联合特性的高光谱图像异常目标检测算法研究[D];哈尔滨工程大学;2018年

4 赵红燕;被动多基站雷达目标检测算法研究[D];西安电子科技大学;2017年

5 郭小路;多通道雷达干扰抑制与目标检测算法研究[D];西安电子科技大学;2017年

6 李健;星载宽幅SAR及目标检测算法研究[D];西安电子科技大学;2018年

7 潘雪莉;机载环视SAR海面特性和舰船目标检测算法研究[D];西安电子科技大学;2018年

8 陈宇环;联合时空特征的视觉显著目标检测算法研究[D];深圳大学;2018年

9 曾冬冬;视频监控中的前景目标检测算法研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2019年

10 王志虎;基于显著性的运动目标检测算法研究[D];国防科学技术大学;2015年

相关硕士学位论文 前10条

1 卢鑫鑫;基于深度学习的无人机检测算法研究[D];华中科技大学;2019年

2 孔兰芳;基于卷积神经网络的输电线路小目标检测算法研究[D];华中科技大学;2019年

3 朱秀红;基于深度卷积网络的输电线路变尺度多目标检测算法研究[D];华中科技大学;2019年

4 王瑜;复杂探测环境下目标检测算法的优化及其在FPGA中的实现[D];华中科技大学;2019年

5 何兆华;基于FPGA的YOLOv2网络研究与实现[D];华中科技大学;2019年

6 汤松岩;基于YOLOv3的航拍目标检测算法研究及应用[D];华中科技大学;2019年

7 杜旺;高分辨率图像下的小目标检测算法研究[D];华中科技大学;2019年

8 雷家荟;基于深度学习的遥感目标检测算法[D];华中科技大学;2019年

9 薛彬;基于深度学习的自然环境下的水果目标检测研究[D];燕山大学;2019年

10 兰先超;基于DnRCNN的SAR图像目标检测算法研究[D];华中科技大学;2019年

本文编号：2744394