摘要
研究野生动物生活习性所部署的视频监控设备,由于网络条件限制,通常只能将视频保存在存储设备中,由研究人员定期取回分析。大量的无效视频一方面影响监控设备的续航能力,一方面需要耗费大量的时间进行分析。使用目标识别算法赋予监控系统智能,对视频进行预处理,自动识别和保存包含目标动物的视频,可以提高监控设备的续航能力,降低研究者在视频中搜寻目标动物的工作量。本文以视频监控系统的智能化为研究目标,提出一种在边缘计算硬件上部署轻量级目标识别算法对包含目标动物的视频进行智能保存的方法。经过仿真实验,使用该方法可以提高视频监控设备的续航能力,减少后期人工处理的时间。
Video surveillance system for monitor wildlife usually save video clips in storage device because of network conditions.But most of the saved videos are invalid and need a lot of time to analyze.Target recognition algorithm can give video surveillance system intelligence,and only save the video when a specific wildlife is recognized.This paper presents an intelligence surveillance system using edge computing to recognize wildlife.Through testing,surveillance system with object-detection algorithm can effec⁃tively save a lot of storage space and reduce search time when locating the wildlife in video clips.
作者
李良熹
荣进国
LI Liang-xi;RONG Jin-guo(Chongqing Technology and Business Institute,Chongqing 401520,China)
出处
《电脑知识与技术》
2021年第28期1-3,7,共4页
Computer Knowledge and Technology
基金
重庆工商职业学院校级科研项目,基于边缘计算的智能机器人实时多目标跟踪系统关键技术研究(NDYB2020-15)。
关键词
目标识别
深度学习
智能视频监控
YOLO
百度飞桨
object detection
deep learning
intelligent video surveillance
YOLO
PaddlePaddle
