基于机器学习的智能视频监控技术研究与应用

作     者：林俊宇 

作者单位：西南交通大学 

学位级别：硕士

导师姓名：肖世德

授予年度：2020年

学科分类：0810[工学-信息与通信工程] 08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

主      题：智能视频监控 机器学习 深度学习 YOLOv3 多目标跟踪 

摘      要：近年来,5G、计算机硬件、人工智能等技术飞速发展,为视频监控技术带来更多可能,传统依赖人工的视频监控系统正在向智能视频监控系统转变。监控系统的智能化转变正引领相关产业新一轮的发展,相关高校、企业竞相投入智能视频监控系统研发行列。监控系统智能化的核心在于对图像和视频内容的分析理解,受益于深度学习表现出的强大潜力,相关技术正经历日新月异的快速进步。本文以安防监控为应用场景,探索研究并开发了一种高可靠性、满足实际应用需求的智能视频监控系统,实现对视频序列中多目标的动态跟踪与准入报警。首先,本文探索了基于传统机器学习的行人检测技术,提出引入遗传算法完成对分类器核心参数的优化搜索,以解决分类器受参数影响较大的问题;同时,采用自适应增强算法完成对分类器的性能提升。实验测试与分析表明,改进模型有着更优的检测效果,能够适用于解决对实时性要求不高的场景下的行人检测问题。随后,针对目标类别更多、环境更加复杂的应用场景,研究并提出了一种基于YOLOv3的改进卷积神经网络模型。在前者的基础上,结合应用场景特点,通过锚点框机制的适应性调整、多尺度检测改进、嵌入轻量级SENet以及损失函数优化等手段完成了模型改进,得到了一种鲁棒性较好、检测精度更优且检测速度较快的算法。利用改进的检测算法,提出了基于检测的多目标跟踪方法。解决了观测目标与跟踪轨迹的目标关联问题,并针对目标消失、新目标出现以及错误匹配问题给出了解决方案。最后利用实现的多目标跟踪方法设计了一个智能视频监控系统,能够实现一般安防场景下对多类别目标的自动检测定位与跟踪,并完成对特定类别目标的检测报警任务。