基于条件轻量级神经网络的视频入侵检测算法

机场安防场景需要快速准确地对入侵目标进行检测及报警,现有的算法计算量大,无法满足实时处理需求。针对该问题,结合传统高斯混合模型的前景提取算法与轻量级神经网络,设计基于条件计算的轻量级入侵检测算法。在前景提取阶段使用基于信息熵的自适应学习因子更新算法动态更新高斯混合模型的学习因子,减小高斯混合模型面对镜头突入时造成模型失效的概率。目标检测阶段以ResNeXt作为主干网络,将小型ResNet作为策略网络,使混合感受野的深度可分离卷积作为残差块,设计基于条件计算的轻量级神经网络,降低网络推理时的计算量。实验结果表明,该算法在监控视频数据集和OTB100数据集上的误检率分别4.4%、9.2%,漏检率分别为2.3%、9.8%,与Faster-YOLO等传统目标检测算法相比,该算法在保证检测精度的情况下使检测速度平均提高了2.6倍。

基于OpenCV的视频入侵检测方法研究

随着安防技术在全球大环境中的飞速发展,视频监控系统已经成为了新兴的防入侵的有效手段。传统的视频监控系统并没有分析视频序列的功能,也不能在出现入侵目标时及时发出警报。本文在OpenCV的环境中,针对入侵目标的形态特征,提出了对视频入侵检测的研究方法,构建了基于OpenCV的视频入侵检测系统模型,提出了此视频入侵检测系统的硬件以及软件的设计方案,并利用计算机视觉领域内较为普遍的OpenCV技术成功实现了对于视频中出现入侵目标的检测功能,最后通过运行程序来验证该视频入侵检测系统的可行性。

盘古梁作业区视频入侵报警存在的问题及应对方法

盘古梁作业区通过视频入侵联动报警功能提高井场入侵事件发现处理的时效性。视频入侵报警功能的应用一定程度上减轻了井组员工日常巡检的强度,也提高了井组巡检的针对性。目前在使用过程中发现视频服务器硬件设备与视频客户端软件之间存在不兼容、井组音响设备故障、视频客户端软件管理不到位,设置重复、错误造成视频入侵不报警。作业区数字化在日常运维过程中不断摸索积累经验,总结出了视频入侵不报警的应对方法,解决了视频入侵报警中存在的问题。