基于深度回歸的視頻監(jiān)控行人檢測(cè).pdf

1、近年來世界各地恐怖襲擊事件頻發(fā)，對(duì)無辜人民的生命財(cái)產(chǎn)造成極大威脅。由于監(jiān)控工作人員體能與集中力有限，中央閉路電視覆蓋范圍有限以及安保力度有限等原因，單靠傳統(tǒng)的監(jiān)控系統(tǒng)不足以發(fā)現(xiàn)和預(yù)防公共場(chǎng)所以及重要建筑物內(nèi)的行為可疑目標(biāo)并提前發(fā)出警報(bào)。智能化監(jiān)控以快速在人群中發(fā)現(xiàn)可疑行為為目標(biāo)，其主要監(jiān)視對(duì)象為行人。因此智能監(jiān)控系統(tǒng)架構(gòu)可大體分解為行人檢測(cè)；目標(biāo)跟蹤和行為識(shí)別。其中行人檢測(cè)是智能監(jiān)控系統(tǒng)建立的基礎(chǔ)，同時(shí)也是系統(tǒng)結(jié)構(gòu)中最具挑戰(zhàn)性的一塊。<

2、br>　　智能監(jiān)控系統(tǒng)需要系統(tǒng)反應(yīng)速度足夠快以達(dá)到及時(shí)警報(bào)的效果。傳統(tǒng)視頻監(jiān)控行人檢測(cè)運(yùn)算量大，檢測(cè)速度慢，目標(biāo)分割信噪比不高，目前最先進(jìn)的行人檢測(cè)方法相比人類觀測(cè)者還存在一定差距。近年來深度學(xué)習(xí)方法在圖像領(lǐng)域獲得突破性進(jìn)展，然而深度學(xué)習(xí)運(yùn)算復(fù)雜度較高。結(jié)合深度學(xué)習(xí)與真實(shí)監(jiān)控視頻應(yīng)用場(chǎng)景，本文提出了基于深度回歸的視頻監(jiān)控行人檢測(cè)方法。并與經(jīng)典方法的對(duì)比實(shí)驗(yàn)驗(yàn)證了本文方法的有效性。本文主要研究?jī)?nèi)容包括了以下幾個(gè)方面：
　?。?）傳統(tǒng)

3、行人檢測(cè)方法基于分類任務(wù)實(shí)現(xiàn)，通過滑動(dòng)窗形式采集圖像灰度做前景背景二分類判別再確定目標(biāo)坐標(biāo)定位。加上多尺度檢測(cè)因此運(yùn)算量大?；谶@點(diǎn)本文提出基于回歸任務(wù)實(shí)現(xiàn)的監(jiān)控視頻行人檢測(cè)方法，通過直接預(yù)測(cè)行人目標(biāo)坐標(biāo)位置以實(shí)現(xiàn)檢測(cè)效果，避免多尺度滑動(dòng)窗產(chǎn)生的大量冗余運(yùn)算。
　?。?）基于卷積神經(jīng)網(wǎng)絡(luò)對(duì)原始視頻圖像建模，發(fā)現(xiàn)三通道顏色灰度值空間分布規(guī)律與行人目標(biāo)空間位置坐標(biāo)的關(guān)系。利用逐漸加深的底層卷積層來學(xué)習(xí)原始像素特征。利用批標(biāo)準(zhǔn)化層加速學(xué)

4、習(xí)效率。利用全聯(lián)接隱含層發(fā)現(xiàn)空間各維度之間關(guān)系。利用深度卷積神經(jīng)網(wǎng)絡(luò)輸出層對(duì)行人目標(biāo)的坐標(biāo)進(jìn)行定位。
　?。?）基于空間局部性，提出序列化輸入輸出編解碼。針對(duì)人群疏密程度差異的特點(diǎn)實(shí)現(xiàn)單位樣本內(nèi)行人目標(biāo)數(shù)量的限制。同時(shí)達(dá)到對(duì)有限的樣本實(shí)現(xiàn)數(shù)據(jù)增強(qiáng)以及降低運(yùn)算維度以優(yōu)化擬合的效果。
　　（4）通過與最具代表性的方法進(jìn)行了對(duì)比實(shí)驗(yàn)驗(yàn)證了本文提出的方法的有效性并分析本文提到的方法比經(jīng)典方法更好的原因，以及本文方法速度比經(jīng)典方法更快