基于深度学习的目标检测和改进的监控视频异常检测

在这个快速处理的世界里,我们需要具有最大精度的快速处理程序。这可以通过将计算机视觉与优化的深度学习模型和神经网络连接起来来实现。

这个项目的目标是建立一个人工智能系统,该系统将闭路电视实时摄像头馈送作为输入,检测视频中发生的事情并进行进一步分析。就目前的技术而言,有很多模型使用计算机视觉,机器学习进行图像和视频处理。所有模型都彼此不同,使用不同的库,并且很难集成或需要高端系统来处理。本文旨在使用卷积神经网络模型进行视频处理,解决大多数重要的视频处理特征,如检测物体的活跃性,估计计数和异常检测。并且进一步部署它,使其易于集成,易于与API调用一起使用。

1. Introduction

智能监控系统旨在自动计算和分析我们周围摄像头的特征,如闭路电视、停车辅助系统等,让摄像头了解和分析周围环境,从而使计算机视觉具有前瞻性。目前的闭路电视只用于犯罪后的场景,而且视频是由人工监控的。就软件而言,现有的系统只能进行基本的目标检测。它缺乏活力检测和人群估计。

而智能监控系统将检测和运行现场分析,并有助于防止事故从一开始就升级。

2. Applications

2.1. A. Availability

我们周围到处都是闭路电视。从私人机构到公共场所,都安装了闭路电视。但是,犯罪率没有下降。研究显示,安装闭路电视的地区发生了重大犯罪事件。问题是所有的闭路电视都是人工监控的,人为错误很常见。此外,监控录像通常用于犯罪后的场景。因此,监控录像的作用就不大了。

你可能感兴趣的:(机器学习vs计算机视觉,深度学习,目标检测,音视频)