基于深度學(xué)習(xí)的視頻目標(biāo)檢測方法研究與系統(tǒng)實現(xiàn).pdf

1、如何將視頻監(jiān)控網(wǎng)絡(luò)獲取的視頻數(shù)據(jù)利用人工智能的方法進行高效的分析，是近來計算機視覺領(lǐng)域備受大家關(guān)注的一個前沿課題。而且隨著計算機科學(xué)與技術(shù)以及視頻監(jiān)控硬件的快速發(fā)展，業(yè)界對智能監(jiān)控技術(shù)的要求也越來越高。所謂的智能視頻監(jiān)控處理技術(shù)，主要是可以在不需要人力干預(yù)的情況下，利用計算式視覺的圖像分析方法，將視頻監(jiān)控網(wǎng)絡(luò)獲取到的視頻解析為一個視頻序列并完成對其的自動分析，進而實現(xiàn)對實際監(jiān)控場景中目標(biāo)的檢測、分類、識別與跟蹤，再通過既定算法完成對當(dāng)前

2、視頻目標(biāo)行為的分析。這種技術(shù)可以在完美替代傳統(tǒng)監(jiān)控所有功能的同時，還可以對突發(fā)的各種異常情況做出迅速的反應(yīng)。而視頻目標(biāo)檢測是整個智能視頻處理系統(tǒng)的基礎(chǔ)部分，更是后續(xù)的各種高級應(yīng)用（如目標(biāo)跟蹤、目標(biāo)再識別）的基礎(chǔ)，因此視頻目標(biāo)檢測在智能視頻分析系統(tǒng)中起著關(guān)鍵性的作用。本文基于深度學(xué)習(xí)對視頻目標(biāo)檢測方法進行研究，利用深度卷積神經(jīng)網(wǎng)絡(luò)多層非線性結(jié)構(gòu)的特性對視頻目標(biāo)特征進行整體建模?？紤]到之前的一些視頻目標(biāo)檢測算法在進行一些小目標(biāo)檢測時都不夠快

3、速、準(zhǔn)確且對不同場景普適性較差，本文結(jié)合Faster RCNN對于普通視頻目標(biāo)檢測快速準(zhǔn)確的特點以及ResNet在深度網(wǎng)絡(luò)特征提取層加入的effectivepath（多人投票系統(tǒng)），再加上后期對網(wǎng)絡(luò)結(jié)構(gòu)的精簡，提出了一個可以對視頻目標(biāo)進行快速檢測同時兼顧小目標(biāo)檢測的名為ERF-Net(Efficient Residual Faster rcnn)的深度網(wǎng)絡(luò)結(jié)構(gòu)。通過在多個標(biāo)準(zhǔn)數(shù)據(jù)集和自建數(shù)據(jù)集上與同類檢測算法進行對比實驗，最后的實驗結(jié)果