基于Dense_YOLO的室内目标异常检测 |
| |
引用本文: | 贾世杰,胡斯平,杨明珠,刘舒婷.基于Dense_YOLO的室内目标异常检测[J].大连交通大学学报,2019,40(3). |
| |
作者姓名: | 贾世杰 胡斯平 杨明珠 刘舒婷 |
| |
作者单位: | 大连交通大学 电气信息工程学院,辽宁 大连,116028;大连交通大学 电气信息工程学院,辽宁 大连,116028;大连交通大学 电气信息工程学院,辽宁 大连,116028;大连交通大学 电气信息工程学院,辽宁 大连,116028 |
| |
基金项目: | 辽宁省自然科学基金资助项目;辽宁省教育厅科学研究计划资助项目 |
| |
摘 要: | 针对室内场所,运用目标检测等算法实现对监控视频的实时异常检测.为提高检测效果,对YOLO v2模型进行了三个方面的改进:利用稠密网络中特征融合方式改进网络结构;使用K-means++对目标框进行聚类改进网络参数;利用迁移学习的方式对网络进行训练;改进最终得到Dense_YOLO目标检测模型.实验结果表明Dense_YOLO正确率达到了93.66%,相比YOLO v2提高了7.06%.针对人、宠物、贵重物品这几种常见的监控目标,利用Dense_YOLO对目标状态进行异常检测,并分别在一般场景、光照强、光照弱、目标被遮挡、目标较小等不利条件下进行测试,区域入侵检测、物品移动/移出检测两种特定目标异常检测功能分别到达92.73%、90.07%的平均正确率.
|
关 键 词: | 室内场所 视频监控 异常检测 目标检测 DenseYOLO |
本文献已被 CNKI 万方数据 等数据库收录! |
|