監(jiān)控視頻結(jié)構(gòu)化分析的研究與系統(tǒng)實(shí)現(xiàn).pdf

1、當(dāng)前，在互聯(lián)網(wǎng)上傳輸?shù)囊曨l數(shù)據(jù)占據(jù)了網(wǎng)絡(luò)流量的大約70％。毫不夸張的說，視頻數(shù)據(jù)是大數(shù)據(jù)時(shí)代最大的數(shù)據(jù)。如何讓計(jì)算機(jī)更好的看清與理解眼前的世界不是一個(gè)簡單的問題，近年來也一直是計(jì)算機(jī)視覺研究的熱點(diǎn)。近年來深度學(xué)習(xí)的算法獲得了快速發(fā)展?；谏疃葘W(xué)習(xí)的計(jì)算機(jī)視覺方法在大部分情況下能更好的解決計(jì)算機(jī)視覺的相關(guān)任務(wù)，目前已經(jīng)是產(chǎn)業(yè)界與學(xué)術(shù)界的共識(shí)。為了更好的讓計(jì)算機(jī)理解鏡頭前的景物，本文探索計(jì)算機(jī)視覺應(yīng)用中的眾多核心算法，以社會(huì)需求與自己的實(shí)際

2、項(xiàng)目為驅(qū)動(dòng)，對(duì)計(jì)算機(jī)軟件，硬件與相關(guān)算法進(jìn)行綜合設(shè)計(jì)與研發(fā)。本文分為兩個(gè)部分，第一部分是本人以多目標(biāo)檢測，多目標(biāo)跟蹤等為切入點(diǎn)進(jìn)行研究開發(fā)。第二部分是本人挖掘社會(huì)實(shí)際需求研發(fā)完成的三個(gè)互相關(guān)聯(lián)的項(xiàng)目。
　　在所完成的項(xiàng)目中，主要研究了計(jì)算機(jī)視覺中的以下問題:
　　1.用基于深度學(xué)習(xí)的算法對(duì)每一幀進(jìn)行多目標(biāo)檢測已經(jīng)能夠達(dá)到實(shí)時(shí)，但是對(duì)每一幀圖像進(jìn)行目標(biāo)檢測無法確定前后幀之間同一個(gè)目標(biāo)的關(guān)系，這樣無法得知目標(biāo)在場景中的運(yùn)動(dòng)軌跡，

3、目標(biāo)出現(xiàn)和離開位置與時(shí)間等。為解決這個(gè)問題，本文設(shè)計(jì)了一種綜合外觀與運(yùn)動(dòng)特征的高速目標(biāo)跟蹤算法與多目標(biāo)檢測算法進(jìn)行結(jié)合，實(shí)驗(yàn)對(duì)比傳統(tǒng)的基于移動(dòng)偵測與多目標(biāo)跟蹤算法在實(shí)際項(xiàng)目應(yīng)用中的效果表明本文方法具有檢測跟蹤速度快，效果好的特點(diǎn)。
　　2.基于深度學(xué)習(xí)的目標(biāo)檢測算法對(duì)較大的目標(biāo)，例如行人車輛檢測效果較好，但是對(duì)視頻中較小目標(biāo)例如行人的衣著，車輛的年檢標(biāo)志檢測效果較差。經(jīng)過分析這是由于卷積神經(jīng)網(wǎng)絡(luò)在特征提取中，由于卷積與池化造成特征

4、精度不夠因而難以準(zhǔn)確的定位。為了解決這個(gè)問題本文采用了串級(jí)神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行場景中目標(biāo)細(xì)節(jié)的分析。將一級(jí)檢測網(wǎng)絡(luò)檢測到的目標(biāo)從圖像中取出，投入二級(jí)網(wǎng)絡(luò)進(jìn)行精細(xì)化識(shí)別，較好的解決了對(duì)視頻中目標(biāo)細(xì)節(jié)特征識(shí)別的問題。
　　3.在實(shí)際的項(xiàng)目應(yīng)用中串級(jí)神經(jīng)網(wǎng)絡(luò)對(duì)遠(yuǎn)處的較小的目標(biāo)進(jìn)行精細(xì)化識(shí)別依然效果不夠理想。經(jīng)過分析這主要是由于遠(yuǎn)處的目標(biāo)在鏡頭中分辨率特別低，深度學(xué)習(xí)算法對(duì)小目標(biāo)檢測效果不好，對(duì)目標(biāo)的細(xì)節(jié)特征確認(rèn)困難。為解決這個(gè)問題，本文設(shè)

5、計(jì)了一套硬件系統(tǒng)，系統(tǒng)采用云臺(tái)控制的變焦鏡頭對(duì)固定槍機(jī)檢測并跟蹤的目標(biāo)逐個(gè)進(jìn)行細(xì)節(jié)抓拍，之后識(shí)別人臉，針對(duì)室外遠(yuǎn)程抓拍到的人臉容易受到光照影響的問題，論文利用GAN網(wǎng)絡(luò)進(jìn)行了光照修復(fù)，經(jīng)過對(duì)比，本文方法優(yōu)于傳統(tǒng)的圖像增強(qiáng)算法。
　　4.為了在系統(tǒng)層面解決傳統(tǒng)的監(jiān)控系統(tǒng)難以兼顧看得廣與看得清的問題，本文設(shè)計(jì)實(shí)現(xiàn)了一種基于增強(qiáng)現(xiàn)實(shí)的攝像頭AI高點(diǎn)立體云防控系統(tǒng)。并介紹了其中的核心算法一種基于神經(jīng)網(wǎng)絡(luò)的增強(qiáng)現(xiàn)實(shí)坐標(biāo)關(guān)聯(lián)算法。為了提升增強(qiáng)

6、現(xiàn)實(shí)標(biāo)簽的定位精度，需要獲知場景中的目標(biāo)深度信息，但又不能增加系統(tǒng)的硬件成本。論文提出了一種基于GAN的單目深度估計(jì)方法，設(shè)計(jì)了一種環(huán)式損失函數(shù)。這種方法在NYU-Depth數(shù)據(jù)集上對(duì)比之前的方法取得了較好的實(shí)驗(yàn)結(jié)果并具有較大的改進(jìn)空間。
　　5.高空拋物檢測系統(tǒng)是社區(qū)安防監(jiān)控結(jié)構(gòu)化系統(tǒng)的一部分，但是目前尚未有一種真正有效通過視頻來檢測高空拋物的手段。目前雖然有一些基于計(jì)算機(jī)視覺的產(chǎn)品采用移動(dòng)偵測算法，來檢測高空拋物的過程，但這些