基于改进卷积神经网络的周界入侵检测方法

• 作者: 吴鸿韬 周冰 张智勤 张永良 董灵平
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 智能视频分析 行人检测 卷积神经网络 周界入侵
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 信息安全
• 页码范围: 182-186
• 页数: 5页
• 分类号: TP183
• 字数: 4424字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.03.039

摘要

监控系统已经成为周界入侵防范的重要手段之一,但是目前局限于被动式监视.对此,提出一种通过对监控系统传回的视频图像进行人体目标识别进而实现主动周界入侵检测的方法.针对目前人体目标检测算法场景适用性较差的问题,提出一种基于改进卷积神经网络的行人检测算法,该方法在深层特征的基础上融入浅层特征,利用浅层特征校正深层特征在识别目标过小时的局限性,最后利用Softmax进行分类.实验结果证实,改进后的卷积神经网络对行人的姿态和适用场景都具有较高的鲁棒性,并且在INRIA库上的识别率为98.82％,在NICTA库上的识别率为99.82％,在CVC库上的识别率为94.50％,在Daimler库上的识别率为99.92％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张永良	浙江工业大学计算机科学与技术学院	7	43	4.0	6.0
2	张智勤	浙江工业大学计算机科学与技术学院	1	25	1.0	1.0
3	吴鸿韬	河北工业大学计算机科学与软件学院	9	58	4.0	7.0
4	董灵平	浙江工业大学计算机科学与技术学院	4	53	4.0	4.0
5	周冰	浙江工业大学计算机科学与技术学院	2	29	2.0	2.0