监控画面识别与异常检测
Journal: Advances in Computer and Autonomous Intelligence Research DOI: 10.12238/acair.v2i2.7351
Abstract
由于信号干扰、设备老化等原因,探测到的图像中会有各类噪声掺杂其中。若不能有效地对该图像进行去噪,会降低后续识别的精度。针对此问题,本文提出了一种改进MobileNetV2网络结构,该结构使用ECA模块对原始block模块进行重构,使用重构后的block模块构建的MobileNetV2能够使网络具有更强的特征学习能力,进而能够有效地监测出多种噪声类型,相较于MobileNetV2,监测精度提高了1.82%。此外,在自建的异常图像数据集中,使用Grad-CAM算法对不同的改进网络进行了可视化研究,研究发现随着网络层次的加深,网络能够学习到更加高级的特征表示能力。
Keywords
异常图像识别;MobileNetV2;ECA
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] 唐启义,冯明光.DPS数据处理系统[M].北京:科学出版社,2007.
[2] 芦伟东.基于SVM的边境频谱监测数据分类预测[J].中国无线电,2022,(09):44-46.
[3] 祁晓博,宋金玉,史颖.面向区间型数据的不同区间核SVM分类模型[J].山西大学学报(自然科学版),2023,46(03):628-635..
[4] 张善进,潘甦.基于改进SVM算法的室内人员身份识别技术[J].移动通信,2023,47(04):85-91.
[5] 马佳佳,陈友鹏,王克强.基于优化SVM的虫害图像识别研究[J].中国粮油学报,2022,37(05):10-15.
[6] 胡正平,张乐,李淑芳,等.视频监控系统异常目标检测与定位综述[J].燕山大学学报,2019,(1):12.
[7] 王佑卿,李振杰.基于深度学习的视频质量诊断技术研究[J].中国安防,2018,(6):3.
[8] 严春满,张翔,王青朋.基于改进MobileNetV2的人脸表情识别[J].计算机工程与科学,2023,45(06):1071-1078.
[9] 杨亚虎,王瑜,陈天华.基于深度学习的远程视频监控异常图像检测[J].TelecommunicationEngineering,2021,61(2):6.
[10] 李世杰.面向安保监控的视频图像处理和识别算法研究[D].国防科学技术大学,2014.
[11] 张闻中,华守彤,陈逸,等.基于智能定位的工业现场全天候监控视频异常检测研究[J].制造业自动化,2022,(03):044.
[12] 陈斌.基于视频图像的人体异常情绪识别算法研究[J].大理大学学报,2021,8(12):27.
[13] SandlerM,HowardA,ZhuM,etal.Mobilenetv2:Invertedresidualsandlinearbottlenecks[C]//ProceedingsoftheIEEEconferenceoncomputervisionandpatternrecognition,2018:4510-4520.
[14] 郭癑秀.残差网络研究综述[J].ApplicationResearchof Computers/JisuanjiYingyongYanjiu,2020,37(5).
[15] 李文志,屈晓旭.基于注意力机制和残差卷积网络的语音增强[J].舰船电子工程,2022,42(5):96-100.
[16] WangQ,WuB,Zhu P,et al.ECA-Net:Efficient channel atte ntion for deep convolutional neural networks[C]//Proceedings of the IEEE/CVF conference on computer vision and pattern rec ognition.2020:11534-11542.
[17] 严春满,王铖.卷积神经网络模型发展及应用[J].Journa lofFrontiersofComputerScience&Technology,2021,15(1).
[18] 林景栋,吴欣怡,柴毅,等.卷积神经网络结构优化综述[J].自动化学报,2020,46(1):24-37.
[19] 张焕,张庆,于纪言.激活函数的发展综述及其性质分析[J].西华大学学报(自然科学版),2021,40(4):1-10.
[2] 芦伟东.基于SVM的边境频谱监测数据分类预测[J].中国无线电,2022,(09):44-46.
[3] 祁晓博,宋金玉,史颖.面向区间型数据的不同区间核SVM分类模型[J].山西大学学报(自然科学版),2023,46(03):628-635..
[4] 张善进,潘甦.基于改进SVM算法的室内人员身份识别技术[J].移动通信,2023,47(04):85-91.
[5] 马佳佳,陈友鹏,王克强.基于优化SVM的虫害图像识别研究[J].中国粮油学报,2022,37(05):10-15.
[6] 胡正平,张乐,李淑芳,等.视频监控系统异常目标检测与定位综述[J].燕山大学学报,2019,(1):12.
[7] 王佑卿,李振杰.基于深度学习的视频质量诊断技术研究[J].中国安防,2018,(6):3.
[8] 严春满,张翔,王青朋.基于改进MobileNetV2的人脸表情识别[J].计算机工程与科学,2023,45(06):1071-1078.
[9] 杨亚虎,王瑜,陈天华.基于深度学习的远程视频监控异常图像检测[J].TelecommunicationEngineering,2021,61(2):6.
[10] 李世杰.面向安保监控的视频图像处理和识别算法研究[D].国防科学技术大学,2014.
[11] 张闻中,华守彤,陈逸,等.基于智能定位的工业现场全天候监控视频异常检测研究[J].制造业自动化,2022,(03):044.
[12] 陈斌.基于视频图像的人体异常情绪识别算法研究[J].大理大学学报,2021,8(12):27.
[13] SandlerM,HowardA,ZhuM,etal.Mobilenetv2:Invertedresidualsandlinearbottlenecks[C]//ProceedingsoftheIEEEconferenceoncomputervisionandpatternrecognition,2018:4510-4520.
[14] 郭癑秀.残差网络研究综述[J].ApplicationResearchof Computers/JisuanjiYingyongYanjiu,2020,37(5).
[15] 李文志,屈晓旭.基于注意力机制和残差卷积网络的语音增强[J].舰船电子工程,2022,42(5):96-100.
[16] WangQ,WuB,Zhu P,et al.ECA-Net:Efficient channel atte ntion for deep convolutional neural networks[C]//Proceedings of the IEEE/CVF conference on computer vision and pattern rec ognition.2020:11534-11542.
[17] 严春满,王铖.卷积神经网络模型发展及应用[J].Journa lofFrontiersofComputerScience&Technology,2021,15(1).
[18] 林景栋,吴欣怡,柴毅,等.卷积神经网络结构优化综述[J].自动化学报,2020,46(1):24-37.
[19] 张焕,张庆,于纪言.激活函数的发展综述及其性质分析[J].西华大学学报(自然科学版),2021,40(4):1-10.
Copyright © 2024 管勤, 李昌德, 张珂鑫, 刘元
![Creative Commons License](http://licensebuttons.net/l/by-nc/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License