关键词： 算法   智能视频分析   生态   智慧机场  

摘要： 智能视频分析是实现机场智慧安全的重要技术手段,基于智能视频分析算法的智能化应用不仅提高了安全防范能力,还突破了传统的安防边界,有利于全面构建智慧机场能力体系。基于此,笔者对智能视频计算平台的建设背景、平台架构和核心功能进行阐述,希望能够为相关研究提供借鉴。

关键词： 视频图像分析   区域气象站安全   围栏攀爬   支持向量机  

摘要： 针对我国区域气象站屡遭人为破坏的现象,结合区域气象站的建设情况,基于智能视频监控分析技术和行人攀爬围栏的特点,提出了一种采用HOG-LBP联合特征和AdaBoost-SVM分类器的攀爬图像检测方法,经测试验证,该方法具有良好的识别效果,能快速识别出围栏攀爬这种异常行为,可广泛应用于区域气象站场景.

关键词： 小视频   内容分析技术   视频目标检测   多目标追踪   人物重识别  

摘要： 小视频数量呈爆炸式增长态势,并引发了许多技术需求,包括小视频的编辑、搜索、推荐、溯源、审查和监管等。介绍了小视频数据的主要特点和小视频内容分析技术面临的挑战,并对目标检测、追踪、重识别等小视频内容分析技术的研究进展做了综合分析。认为只有构建一个整合多种不同算法的系统,才能够更准确、更鲁棒地解决分析问题,才能系统性地完成小视频内容分析任务。

关键词： 智能视频分析系统   深度神经网络   药品差错   OCR  

摘要： 目的:药品差错存在于临床用药的各个环节,直接关系到患者的生命健康。利用人工智能技术,构建药品差错智能视频分析系统,保障临床用药安全。方法:根据视频监控,采用人工智能中的深度神经网络技术,实时分析识别监控视频中药品的名称、规格、剂型、厂家和数量,与HIS中处方/医嘱的药品信息进行对比,若有药品差错,实时报警提醒。结果:药品差错智能视频分析系统与医院HIS的处方/医嘱对接,适用于分析防范开具处方/医嘱后调剂、发药、配置和给药环节的药品差错。结论:基于人工智能的视频分析系统可防范临床药品差错,保障临床安全用药。

关键词： 智能视频分析   智慧矿山   智能化技术   智能辅助   无人机巡检   应用场景   数字化   控股集团  

摘要： 5G+智能采煤、5G+智能辅助运输、5G+无人机巡检、5G+高清工业应用视频、5G+智能视频分析平台……各种各样的5G工业应用场景让人们为之震撼。在晋能控股集团,用数字化、智能化技术武装起来的5G+智慧矿山正在大放异彩。

关键词： 智慧监狱   智能视频分析   图像质量评价   行为检测   日志分析  

摘要： 视频监控是监狱安全防范的重要手段,在防范罪犯脱逃、自杀等方面起到了重要作用。当前每个监狱视频监控点位数量平均3000个,指挥中心监控屏幕可同时显示数量大约为20个。监管人员通过人工模式进行视频轮巡查看,工作强度大、效率低,难以实现有效管控。随着计算机视觉和人工智能技术的发展,智能监控系统在一定程度上减轻了监管人员的工作强度,提高了监狱管理的工作效率,但目前仍存在以下几个难以解决的问题:一是视频监控双目立体监控摄像机图像质量评价体系仍不完善。现有视频监控图像质量评价系统,缺失对于重点位置应用的人脸识别、广角、大范围双目立体视觉监控摄像机的图像质量评价方法,关键是视频监控的图像质量直接影响到后期的智能视频分析效果。二是视频监控智能化异常行为识别准确率低。现有的监狱视频监控系统的智能分析功能对于人员身份无法精准识别,不能对罪犯脱管和警察执勤不规范等行为进行自动报警,没有真正发挥视频监控潜能和效果。三是视频监控机械轮巡查看模式导致信息丢失。目前监狱视频监控采用预先视频点位分组查看模式,受限于轮巡周期、人眼的观看视角和大脑处理能力,视频监控中罪犯的异常行为被大量遗漏。针对上述痛点问题,本文从实际工作需要和监狱视频监控系统智能化关键技术出发,研究双目立体视觉监控摄像机图像质量评价方法,提高视频监控图像质量的自动诊断能力,确保视频监控图像质量,为后面进行图像智能分析做好保障;研究基于准确识别罪犯和警察身份进行融合跟踪的脱管检测方法,提高监狱视频监控的异常行为智能分析能力;研究基于监控摄像机阵列重要性排序显示方法,综合利用融合跟踪脱管检测方法和视频监控图像优化排序,提高视频监控发现罪犯异常行为概率。论文主要贡献包括以下方面:(1)针对双目视觉立体图像诊断问题,基于无参考质量视频监控立体图像评价方法,提出了用于失真的立体图像质量预测模型,初步建立了立体图像质量评估方案。针对一个原始立体对,首先生成融合图和差异图,并从中提取双目统计特征作为基本特征向量。然后,根据立体对的局部振幅和局部相位计算双目能量响应作为质量感知特征。最后,采用极限学习机(Extreme Learning Machine,ELM)方法将失真的立体对的这些特征映射到其人类感知质量得分。采用LIVE 3D IQA Phase Ⅰ数据库,LIVE 3D IQA Phase Ⅱ数据库和MCL-3D数据库三个公开的主题评级基准3D图像数据库作为标准,通过实验与7种代表性的最新技术进行比较,验证方案的有效性和鲁棒性,以及混合失真数据库中每种单独失真类型的特定失真性能。设计了三种不同的比较方案,比较所提的度量标准中每个分量对总体质量得分的贡献。通过跨数据集的性能评估实验,验证了所提方案的一般性和稳定性。在基准数据库上的实验结果表明:所提出的模型可生成与人类视觉感知良好相关的图像质量预测,并以相关的最新技术提供极具竞争力的性能;所提出的度量视觉质量预测与对各种失真类型的失真图像对的主观质量判断高度相关。(2)针对智能视频监控系统存在的漏报误报率高的问题,提出了基于迭代学习的视频监控目标分析方法,通过迭代学习自动产生训练样本用于深度学习模型的训练过程从而避免了人工标注,并利用目标跟踪技术提出基于融合跟踪(FONT)的脱管检测方法,解决目前基于逐帧图像单独进行脱管检测时准确率不高的问题。采用目前深度学习的性能最优的基于全卷积的孪生网络目标跟踪框架SiamFC与经典跟踪方法中速度最快的核相关滤波KCF方法融合跟踪,经过流形学习方法降维、聚类获得典型的目标模板,并利用感知哈希特征获得目标哈希字典供在线跟踪过程使用。设计离线学习和在线跟踪两个协同环节,利用在线跟踪环节自动生成大量标注样本供离线学习迭代使用,破解深度学习方法对标注数据的需求难题。利用离线学习环节不断提升跟踪性能并反馈给在线跟踪环节,实现场景自适应的持续学习。对比实验表明,基于传统的单帧图像目标检测机制的脱管检测方式均存在诸如虚警、误报等多种问题,而基于目标融合跟踪的脱管检测系统则可以有效的解决这些问题。(3)针对视频监控阵列固定轮巡模式导致的信息丢失问题,提出了基于全局-局部联合编码模型的视频监控阵列显示优化方法,全局编码器用于对整个序列行为进行表征,而局部编码器可以自适应地选择当前会话中的重要项,捕捉用户的主要目的,序列行为提供有用的信息来捕获当前会话中用户的主要目的。本文使用序列行为的表示和之前的隐藏状态,计算每个点击的注意力权重。将顺序行为特征和用户目的特征连接起来,形成每个时间戳的扩展表示。利用监控中心自动生成的大量序列化的监控摄像机阵列点击与轮巡行为日志样本供离线迭代学习,破解深度学习方法对标注数据的需求难题;利用离线学习环节不断提升阵列轮巡精度并反馈给在线轮巡环节,实现高精度的监控摄像机阵列自动轮巡方案。通过采集多个监狱实际

关键词： 视频上下文   多层次   图网络   互补   视频异常检测   视频问答  

摘要： 随着深度学习的发展,视频理解任务也变得复杂多样,上下文建模成为视频内容分析的研究重点。目前的视频上下文建模方法主要使用循环神经网络的各种变体结构分析视频内容,然而这些方法存在上下文信息挖掘不完整,不深入的问题。本文基于视频异常检测和视频问答任务,研究视频的上下文建模问题。第一,在视频异常检测任务中,监控视频内异常事件分布不均匀且异常事件的定义严重依赖于上下文环境。针对现有模型难以识别视频序列中复杂异常行为信息的问题,本文提出基于图卷积的多层次上下文建模的视频异常检测方法。在图卷积网络的聚合特征阶段,将结点对的非局部相似特征与时序局部特征作和得到多层次的上下文特征,在图网络的特征提取阶段,应用示例归一化的非局部注意力模块选择必要信息,解决了长视频中异常事件的漏检问题。通过在两个较大规模的基准数据集上的实验,验证了算法的有效性。第二,在视频问答任务中,视频在较小的时空范围内动作变换频繁。针对现有模型难以表示丰富完整的视频上下文特征的问题,本文提出双分支结构的互补的多层次上下文建模的视频问答方法。第一个分支应用相对位置编码的Transformer构建视频序列中不同时刻的联系,学习多尺度的视频特征,增强非局部特征的表达。第二个分支是提出的去冗余模块,驱动后序视频片段学习不同信息,增强局部特征的表达,解决了短视频中复杂视频语义特征的表达问题。通过在三个基准数据集上的实验,验证了算法的有效性。

关键词： 智能视频分析   周界入侵检测   安全帽佩戴检测  

摘要： 随着国家建筑行业的快速发展,施工场地的安全监管力度也逐渐加大。目前,传统视频监控只能提供视频的画面显示、传输、捕获、保存等功能,内容的分析则需要人工实现,存在成本高,工作量大且漏检率高等问题。因此,利用智能视频分析技术提高建筑工地安全监管的效率和精度,成为了一个广泛研究的课题。为了满足建筑工地中施工建设和安全生产的需要,构建了以智能视频分析技术为支撑的周界防范系统,包括周界入侵检测和安全帽佩戴检测两个模块。在警戒范围内,该系统能够对行人入侵状态及作业人员安全帽佩戴情况进行检测,并及时生成报警信息,以供监管人员及时处理,提高安全生产及工作效率。因此,本文的主要工作和创新点有:(1)针对目前建筑工地场景相关数据集缺乏的问题,采集了30个不同角度的视频序列用于运动目标算法的训练及调试。(2)针对传统入侵检测方法容易受天气、光照变化、相机抖动、目标尺度变化大等因素影响而导致模型误检率高的问题,使用基于神经网络的运动目标检测器在视频序列上进行训练,F-Measure指标达到了90.76%。同时,针对目前分类器模型参数量大,训练时间长的问题,搭建了一个简单且有效的分类器,在标准行人数据集Daimaler上进行训练,测试准确率提高了1.82%,参数量降低到原来的1/2。(3)针对安全帽样本数据集偏少而导致网络检测精度较低的问题,提出基于场景增强的样本扩充算法,并结合YOLO v4网络模型进行安全帽佩戴检测。实验显示,该安全帽检测模型在Helmet Wear数据集上的检测精度提升了6.39%,为解决其他领域目标检测训练数据不足的问题提供了重要的借鉴意义。(4)针对FgSegNet＿v2网络只有在测试集和训练集属于同一场景时才能表现良好的问题,提出了一种循环迭代调试方法,即使用分割网络辅助Fg Seg Net＿v2在新场景下的检测,提高系统对新场景的适应性。

关键词： 面部运动障碍   人脸对齐   机器学习   光流法   3D卷积神经网络  

摘要： 随着人工智能技术与医疗健康领域的不断融合,人工智能在医学影像、辅助诊断和疾病预测等方面得到了广泛应用。医学当中常见的一类病症就是面部运动障碍,将人工智能技术应用于面部运动障碍识别并实现数字化辅助诊断具有重要的研究意义。由于任务自身的难点以及数据集构建过程困难,目前与面部运动障碍疾病相关的研究较少。本文综合运用多种计算机视觉技术,基于视频图像对面部运动障碍进行分析与研究,并提出两种识别算法。本文主要工作概况如下:首先,对与面部运动障碍识别类似领域的微表情识别相关研究进行了回顾,对人脸对齐的相关工作进行了梳理。随后介绍了面部运动障碍数据集的构建过程并分析两种常见症状的运动模式和特点。接着基于卷积专家约束局部模型的人脸对齐算法和人脸图像空间分割算法对样本进行预处理,提取归一化后的眼部区域图像序列作为研究对象。然后,提出了一种基于机器学习的面部运动障碍识别算法。根据各类型面部运动障碍疾病患者的面部运动规律,构造积分算子与差分算子分别计算图像序列的积分平均图和运动能量图,通过分析本文应用场景的特点,将面部运动障碍识别的多标签分类任务转换为两个二分类问题,使用传统的特征提取方法和分类模型对面部运动障碍进行识别。实验结果表明,积分平均图和运动能量图能够有效的描述不同类型的面部运动障碍,取得了较好的识别效果。最后,提出了一种基于3D卷积神经网络的面部运动障碍识别算法。针对人工描述特征复杂度不足并丢失较多时序特征的问题,构建深度网络模型提取图像序列中的运动特征。使用光流法对原始图像序列进行处理并与原灰度通道叠加,作为网络的输入。设计了一种3D卷积神经网络用于提取图像序列中的运动信息,并融合长短期记忆神经网络对面部运动障碍进行识别。实验结果表明,相比于传统机器学习的方法,深度模型学习到的特征更为丰富,有效地提升了面部运动障碍识别的准确率。

关键词： 深度学习   卷积神经网络   智能视频分析   目标检测跟踪   轨迹预测  

摘要： 在智能视频分析系统中,运动目标的检测与跟踪是一个核心环节,其性能直接影响到动作识别、行为分析等后续功能的执行效果。由于视频采集场景的复杂性、干扰因素的多样性以及运动对象本身的动态属性,会造成单帧图像失焦、模糊或丢失等问题,给运动目标检测与跟踪带来困难。本文利用计算机视觉技术和深度学习方法,在对视频中运动目标进行检测、跟踪及其轨迹预测等任务方面,开展了相关的探索,提出一种优化的动态神经网络,取得良好效果。本文主要工作如下:在分析了卷积神经网络的核心组件,包括卷积、池化等的基础上,研究了目标检测任务中SSD网络的基本结构和主要特性,并针对SSD网络在运动目标检测跟踪中存在的问题,设计了一种改进的双微SSD模型。该模型以SSD网络为基础,采用双微核相向处理模式,有效改善了目标的检测与跟踪;通过调整设置网络结构参数,较好改善了网络动态性能。以VOC数据集为仿真测试对象,结果表明双微SSD在目标检测与跟踪的准确性、实时性、MAP等方面均有了相应提升。关于动态测试方面,双微SSD网络也达到了预期效果。在VOC数据子集(人类集)上的实验仿真表明,AP值有了明显提高,运动目标的检测跟踪更加有效可靠。通过设置置信度等参数,提高运动目标检测跟踪的稳定性和准确性;通过设置帧间中心点距离,判断检测跟踪的有效性和持续性。对运动目标的轨迹进行动态预测和判断,并对目标运动趋势及动态范围进行估计。本文设计的双微SSD模型在对VOC数据集动静态两方面的测试,均取得良好效果,检测准确率高,检测速度快,MAP值高,跟踪持续性强,模型性能表现稳定可靠,具有较强的应用价值和工程意义。