关键词： 视频分析   边缘计算   摄像头集群   任务卸载   深度强化学习  

摘要： 为适应摄像头在智慧城市、智能交通、自动驾驶等新兴领域应用部署愈加广泛的需求,视频分析需更高精度、更低延时地响应分析结果。然而,这种高精度的分析同时也带来了巨大的计算资源需求,计算资源受限的摄像头无法胜任分析任务。边缘计算不仅可以解决本地摄像头计算资源问题,还可以显著降低向云端传输视频流数据的时间。本文探讨了利用深度强化学习方法,在边缘节点辅助摄像头集群视频分析任务场景下,根据当前网络系统条件动态决策,卸载部分指定摄像头上的分析任务,以在满足任务响应延时的约束前提下,最大化一段时间内任务分析的精度。仿真结果表明,本文提出的方法在任务的响应延时和准确度方面获得了良好效果。

关键词： 城市轨道导乘系统   交互设计   物联网   智能视频分析   智能导乘服务  

摘要： 针对当前城市轨道导乘系统存在的问题,提高市民乘坐地铁的好感度,通过交互设计的思维方法解决乘客在乘坐地铁的过程中存在的导乘问题;以物联网为技术架构优化站内导乘系统,解决当前轨道交通系统中导乘系统存在的技术问题及权限问题。针对这些问题,提出以智能视频分析技术为辅助的物联网导乘服务,及提出以丰富乘客生活为主的智能导乘系统的交互设计。

关键词： 城市轨道交通   智能视频分析   综合感知   物联网  

摘要： 随着城市轨道交通规模的不断增大,运营工作的难度也逐渐增加,为优化运营管理效率,进一步提升用户乘车体验,城市轨道交通管理智能化成为未来城市轨道交通的发展趋势。仅通过查看监控画面掌握客室实时情况的感知系统已不能满足城市轨道交通智能化运营的需求。文章根据当前系统现状并结合城市轨道交通运营过程中的关注点对城市轨道交通车载综合感知系统进行研究。首先对城市轨道交通车载综合感知系统的功能需求进行针对性分析,其次对系统的总体框架、硬件组成与网络拓扑进行说明,同时对系统功能模型进行详细介绍,最后总结得出该综合感知系统可提升城市轨道交通运营效率,降低运营成本,推动城市轨道交通智能化运营的发展。

关键词： 地铁站   智能视频   客流监测   技术应用  

摘要： 随着城市轨道交通建设进程的不断推进、线网的日趋成熟,不断攀升的客运量对轨道交通运输组织管理提出了更高的要求。对地铁站内的客流进行实时监测与分析,无论是对提升乘客满意度、提高车站运营效率,还是对优化列车调度、保障乘客安全来说都是关键的一环。下面,文章就智能视频分析技术在地铁站客流监测中的应用展开论述。

关键词： 高速列车   监测与预警   旅客服务   视频监控   智能视频分析  

摘要： 为提升高速列车智能化水平,搭建高速列车智能视频分析系统,主要由车载摄像机、视频监控服务器、智能分析主机等设备构成,可通过车厢控制器与其他车载系统和设备进行信息交互。该系统基于深度学习算法构建智能视频分析模型,实现车厢敏感人员识别、车厢乘客拥挤度检测、车厢遗留行李检测、车厢重点位置监控、司机疲劳驾驶监测等功能;当检测和识别出异常事件时,告警信息可在旅客信息系统的显示终端上自动显示,或由广播装置播放告警信息。

关键词： 智慧视频安防   智能视频分析   技术应用  

摘要： 以某一项目为例介绍了智慧视频安防中智能视频分析技术的应用,先分析了项目内容和发展目标,随后介绍了智能视频分析相关技术运用,包括运动目标识别、全景自动跟踪、超高清技术、视频浓缩技术,希望能给相关人士提供有效参考.

关键词： 智能监控   安全监管   视频分析  

摘要： 为提高监狱、戒毒所设备智能化和信息化管理水平,减轻监狱民警的工作负担,本文探讨了智能视频分析技术在监狱安全监管中的应用,该系统不仅囊括了传统视频监控具有的通过监控实现对犯人的威慑功能、事后的查证功能,还可以应用于区域管控、人脸分析、建立电子围栏等实际场景,对监控画面中的异常行为主动报警,民警不需要时刻盯着监控。当出现异常行为报警时,监狱民警可实施联动管控,缓解民警压力,向科技要警力,提高监狱安全监管效力。

关键词： 视频内容分析   少样本目标检测   元学习   特征金字塔  

摘要： 近些年多媒体领域得到了迅猛的发展,尤其是视频,其结合了音频、场景、文字等方面的内容,已经成为内容分析领域不可或缺的信息来源。随着视频数据的急剧增长,其蕴含的信息量也越来越巨大,因此吸引了越来越多研究者的关注。相较于传统的图像视觉任务,视频内容的呈现更加复杂多变,不同目标及其动作类别之间具有相似性,而相同类别在不同视频环境下又具有不同的特点。所以如何能快速准确的获取相关的视频内容要素进行训练是十分重要的。本文设计的视频内容检测系统主要包含目标检测、目标跟踪、动作识别以及文字和关键人物识别,其中目标检测由于其任务特点,在实际应用中存在局限性。 由于真实视频场景处于开放域场景下,目标检测任务存在类别不明确,且新类别样本数量有限的问题,传统的目标检测算法存在着较大的局限性,无法针对新类别进行识别。因此本文基于有限监督目标检测策略,在传统目标检测模型Faster R-CNN基础上,以少样本学习的方法来解决传统算法的泛化性问题。本文在基于元学习的算法框架引入局部和全局注意力改进特征融合操作,提出了全局-局部注意力元学习少样本目标检测算法(Global Local Attention Few Shot Object Detection,GLAFSOD),通过元学习特征和注意力机制提升区域建议网络和目标检测头的效果。在基于迁移学习的单分支少样本目标检测算法中,通过引入度量学习的基本思想以及更改多尺度特征提取和目标检测器结构,提出全局动态少样本目标检测算法(Global dynamic Few Shot Object Detection,Dy FSOD),并且通过与各自场景下的基准模型进行比较,准确率在Pascal VOC数据集上平均提升了2%。 本文将全局动态FSOD算法运用到视频内容检测系统的目标检测任务中,通过和原系统中的固定类别检测器进行结合,改进实际工作中的检测效果。通过对少样本检测算法部分的优化以及和其他模态检测算法之间的整合,在视频内容检测的目标检测和识别、动作识别、视频文字提取等各个任务上均取得了较好的效果,可以应用于不同的真实视频场景,并且通过系统数据管理、模型管理和用户管理等模块的构建,完成了视频内容检测整体架构和功能实现。

关键词： 工程勘察   智能视频分析   目标检测   运动分析   砂土液化预判  

摘要： 岩土工程勘察智能化转型难问题亟待解决。如今巨幅上涨的人工成本、急剧压缩的外业工期、不断萎缩的项目市场等因素迫使岩土工程勘察外业工作提速增效。然而专业设备、人员以及相关研究的缺失使得转型难以为继,外业工作弄虚作假事件频发,标准贯入原位测试成果可信度低,严重影响工程质量。因此推动岩土工程勘察外业工作智能化分析成为解决转型难的关键问题。 基于目标检测、运动模式分析等智能视频分析技术,研发适用于前端数据视频采集系统、无线传输和存储方案,利用深度学习实现智能标贯击数获取,结合场地液化点预判应用实例,选取砂土液化判别因子构建概率分布模型,实现岩土工程勘察现场数据的自动化采集与智能分析,主要取得以下成果: (1)针对岩土勘察标准贯入试验现场工作环境和流程特点,确立前端数据视频采集系统设备的指标参数,结合岩土工程勘察环境比选构建数据传输网络和存储分析平台,建立一套适用于标准贯入原位现场试验的信息化数据采集系统。 (2)对比分析不同目标检测算法,统筹标贯落锤图像与环境背景特征,选取YOLOv5为目标检测算法主体框架,结合现场工作环境复杂特点,利用自适应图像增强、滤波降噪、模型损失函数优化等技术改善检测效果,迭代优化检测算法的超参数设置,优化后的目标检测模型单帧检测准确率可达99.2%,满足运动时序分析模型的精度要求。 (3)在标贯落锤的目标检测基础上,将目标检测获得的二维坐标以时间序列重构,建立基于双层LSTM网络的运动时序分析模型,提取单次运动时序特征,并结合Mask、Drop Out训练策略,优化运动时序分析模型收敛速度和精度,实现单次运动模式92%的分类准确率,测试多段连续运动视频,结合工程实例发现运动时序分析模型的平均计数误差少于7%,证明可实现智能标贯击数获取。 (4)基于砂土液化判别理论,研究智能标贯击数获取工程应用,结合实测标贯击数、砂层埋深、场地水平峰值加速度、孔内地下水位,利用粒子群算法优化相关向量机理论,建立砂土液化预判模型,搜集整理地震液化标贯信息,构建砂土液化判别因子数据集,训练液化预判模型,以模型在训练验证集上89%的分类准确率和测试集上92%的预判有效率验证该方法的可行性,结合2011新西兰地震资料检验泛化性能,最后对比模型与规范法在实际工程中判别结果,证明自动分析岩土标贯原位测试关键信息可大大提升数据应用有效率,有益于行业的智能化转型。

关键词： 智能视频监控   行人重识别   无监督域适应   多头自注意力  

摘要： 视频监控下的人员识别系统是一种基于计算机视觉技术的智能视频分析系统,用于自动检测和识别摄像头监控范围内的个体。这类系统广泛应用于安防、商业、交通等领域,提高监控效率和安全性。人脸识别和行人重识别是人员识别系统的两个关键技术。人脸作为强鉴别性生物特征,广泛用于身份识别,但是由于监控环境的复杂性,通常难以捕获清晰人脸正面。视频监控下行人图像相比人脸更易获取,行人重识别通过对行人图像特征进行深层次的挖掘和提取,匹配不同时间和场景下的同一对象,从而达到身份识别目的。在智能监控中,行人重识别和人脸识别可以相互补充,当行人面部无法被清晰拍摄时,可以通过行人重识别技术比对行人候选库识别该行人;当行人面部能够被清晰拍摄时,可以通过人脸识别技术识别该行人,识别结果和行人图片可以更新行人候选库。为了提高人员识别的准确性和鲁棒性,本论文设计并实现了一种行人重识别和人脸识别协同工作的人员识别系统,主要研究和工作如下:(1)本文提出轻量级多尺度特征融合模型MHSA-OSNet。MHSA-OSNet用多头自注意力结构代替了 OSNet中的最大的局部感知卷积流,使得模型能够动态的融合全局特征和局部特征,有利于更加全面提取鉴别性特征。MSMT17数据集的平均精度均值(Mean Average Precision,mAP)相比 OSNet 从 52.9%提升到 55.96%。MHSA-OSNet以轻量级的网络结构优势,更好地适用于智能视频监控场景。(2)本文提出分组聚类二次组合(Divided Clustering Secondary Combination,DCSC)的伪标签聚类生成方法。DCSC利用了行人重识别数据采集时自带的摄像头ID和相对采集时间,把行人图片按照采集摄像头的不同分组,在每组内依靠采集相对时间和特征距离进行聚类,使得每组聚类具有更好的簇内紧密性。二次组合时,全部图片的未分组聚类结果和分组聚类结果相互对照,得到重新组合的聚类结果,使得聚类具有更好的簇间分离性。DCSC的聚类结果作为伪标签,应用在自步对比学习(Self-paced Contrastive Learning,SpCL)中,把 MSMT17 到Market1501的行人重识别域适应学习mAP由77.5%提升到81.6%。(3)本文设计并实现了行人重识别和人脸识别协同工作的人员识别系统。系统的行人重识别算法使用MHSA-OSNet作为骨干网络提取特征。实际应用时,首先采集行人图片,在不标注的情况下把采集到的行人图片数据集作为目标域数据,同时,源域数据采用 Market1501、DukeMTMC-reID、CUHK03 和 MSMT17 四个有标签行人重识别数据集。然后,使用SpCL和DCSC进行无监督域适应学习,使得MHSA-OSNet能充分利用数据的监督信息。系统运行时使用人脸识别结果动态地更新行人候选库,检测到的行人通过对比行人候选库确定身份。设计和实现的人员识别系统经过测试具备良好的准确性、实时性和稳定性。