-
题名基于深度学习的远程视频监控异常图像检测
被引量：9
- 1
-
-
作者
杨亚虎
王瑜
陈天华
-
机构
北京工商大学人工智能学院
-
出处
《电讯技术》
北大核心
2021年第2期203-210,共8页
-
基金
北京市自然科学基金-北京市教育委员会科技计划重点项目(KZ202110011015)。
-
文摘
针对复杂场景下远程视频监控图像异常检测困难、传统算法功能单一(仅针对某种特定场景或某种异常图像进行检测)等问题,提出一种基于深度学习的全自动远程视频异常图像检测方法。首先采用Xavier方法对自行设计的卷积神经网络(Convolutional Neural Network,CNN)的参数进行初始化,然后将标准化后的视频差分图送入CNN的输入层,通过特征提取及下采样,最后在CNN的输出层获得远程视频异常图像检测结果。实验结果表明,该方法可以对远程视频监控中突然出现遮挡、模糊和场景切换等多种异常同时进行实时在线检测,准确率可达88.75%。
-
关键词
智能视频监控
远程视频
异常图像检测
深度学习
卷积神经网络
-
Keywords
intelligent video surveillance
remote video
abnormal image detection
deep learning
convolutional neural network
-
分类号
TN919.85
[电子电信—通信与信息系统]
-
-
题名基于滚动预测平均的监控视频干扰识别方法
被引量：2
- 2
-
-
作者
杨亚虎
陈天华
邢素霞
王瑜
-
机构
北京工商大学计算机与信息工程学院
-
出处
《计算机工程与设计》
北大核心
2021年第1期248-255,共8页
-
基金
国家自然科学基金项目(61671028)。
-
文摘
针对传统的摄像头异常干扰识别方法识别种类单一,由预测闪烁而引起的识别准确率和可靠性低、泛化能力不强的问题,提出一种基于滚动预测平均算法的摄像头异常干扰识别方法。在自建的异常干扰图像训练集上微调ImageNet预训练的ResNet50,训练出用于摄像头异常干扰的图像分类与识别模型,在该模型的基础上运用滚动预测平均算法,以在线或离线的方式实现摄像头异常干扰视频的分类与识别。测试集实验结果表明,该方法能够正确识别出正常、遮挡、模糊和摄像头旋转视频,识别准确率达到了95%,充分验证了该方法的可行性和有效性。
-
关键词
智能视频监控
卷积神经网络
深度学习
智慧城市
公共安全
-
Keywords
intelligent video surveillance
convolutional neural network
deep learning
smart city
public safety
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
