監(jiān)控視頻中可疑人員的實(shí)時(shí)檢測(cè)方法研究.pdf

1、近年來(lái)，隨著社會(huì)公共安全問(wèn)題受到越來(lái)越多的關(guān)注，公共區(qū)域監(jiān)控視頻的使用變得普及起來(lái)，利用這些監(jiān)控視頻進(jìn)行公共區(qū)域中可疑人員的檢測(cè)也隨之成為了一個(gè)重要課題?？梢扇藛T檢測(cè)是指在監(jiān)控視頻中利用計(jì)算機(jī)視覺(jué)、模式識(shí)別等方法判斷是否存在可疑人員，并得到存在的可疑人員的位置，其中可疑人員是指與正常行人有明顯外觀上的差異并且這些差異具有可疑性質(zhì)的人，例如用帽子口罩遮擋面部或低頭躲避攝像頭的拍攝?？梢扇藛T檢測(cè)技術(shù)能夠幫助監(jiān)控使用者高效的監(jiān)督過(guò)往行人，更好

2、的應(yīng)對(duì)各類(lèi)突發(fā)情況。
　　本文針對(duì)可疑人員檢測(cè)存在的定位和判別問(wèn)題，圍繞行人位置檢測(cè)算法和可疑人員判別算法開(kāi)展了相關(guān)研究，主要的研究?jī)?nèi)容和貢獻(xiàn)如下:
　　1.針對(duì)行人位置檢測(cè)問(wèn)題，考慮到可疑人員的可疑性特征主要集中在頭面部且在實(shí)際監(jiān)控場(chǎng)景中往往無(wú)法獲取完整行人區(qū)域，本文提出如下兩類(lèi)算法實(shí)現(xiàn)行人位置的檢測(cè):(1)基于級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)算法，該網(wǎng)絡(luò)由兩個(gè)卷積網(wǎng)絡(luò)組成，第一個(gè)用于快速過(guò)濾背景區(qū)域，第二個(gè)用于人臉的精準(zhǔn)判別，

3、配合多尺度滑動(dòng)窗口最終實(shí)現(xiàn)對(duì)人臉區(qū)域的檢測(cè);(2)基于Faster R-CNN(Faster Regions with Convolutional Neural Network)和YOLO(You Only Look Once)的頭肩部檢測(cè)算法，這類(lèi)算法使用端到端的檢測(cè)模型Faster R-CNN或YOLO直接進(jìn)行頭肩部區(qū)域的檢測(cè)。通過(guò)對(duì)人臉或頭肩部的檢測(cè)間接的確認(rèn)了行人位置，同時(shí)得到了用于后續(xù)處理的特征集中區(qū)域。實(shí)驗(yàn)結(jié)果表明，本文提出

4、的人臉檢測(cè)和頭肩部檢測(cè)算法在準(zhǔn)確率和檢測(cè)速度方面都取得了較好的效果。
　　2.針對(duì)可疑人員判別問(wèn)題，以行人頭肩部區(qū)域?yàn)榛A(chǔ)，提出了基于多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)和單類(lèi)支持向量機(jī)的可疑人員判別算法。首先，本文設(shè)計(jì)了一個(gè)針對(duì)頭肩部屬性的多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)分類(lèi)模型，對(duì)計(jì)算速度進(jìn)行重點(diǎn)優(yōu)化后利用該網(wǎng)絡(luò)進(jìn)行頭肩部圖像的特征提取。之后考慮到實(shí)際場(chǎng)景中可疑人員樣本稀少且無(wú)法窮舉所有可疑類(lèi)型，本文使用單類(lèi)分類(lèi)算法間接實(shí)現(xiàn)對(duì)可疑人員的判別，設(shè)計(jì)了基于復(fù)合核