随着智能化监控技术的进一步发展,人们对室内场景理解以及室内安全问题的重视程度越来越高,大量的监控系统被应用到家庭、办公室等实际的室内场景中。作为监控系统中的两个关键性任务,对象检测与行为分析得到了学术界以及工业界的广泛研究和应用。本文面向实际的监控场景,研究一种新的对象检测算法以及两种新的行为检测算法,并且设计完成了一个室内智能监控系统。本文主要内容如下:1.本文研究一种融合多层卷积特征谱的CNN对象检测算法。首先分别将低层、中层特征谱进行重构,再将低层、中层、高层特征谱进行串联,并采用卷积滤波对三层特征谱进行有效融合,最后在该融合后的特征谱上进行对象检测。这种检测算法充分利用了低层特征谱对检测细小对象以及检测定位上的优势,有效提高了对象检测准确率以及定位精度。2.本文研究一种基于人与物交互关系的行为检测算法。针对监控视频中手难以准确检测到的问题,本文研究基于肤色检测结果确定交互物的算法,这种方法可以有效检测到行为交互物,并且耗时少;基于人以及交互物检测结果,本文研究一种新的基于相对空间位置的人物交互关系建模方法;最后,提取人与物交互关系的特征并分类,得到人的行为类别。3.本文研究一种结合人体局部分块特征的CNN行为检测算法。将行为检测问题转换成精细化的对象检测问题,并借助CNN网络强大的特征提取能力,用一个CNN网络同时完成人的检测及其行为识别任务。对于该检测模型存在的问题,本文研究一种新的将人体上半身进行分块的方案,最后利用人体的局部特征来辅助完成行为识别任务。为了训练本文算法模型并测试本文算法的有效性,本文分别构建了室内对象检测数据库以及室内行为检测数据库。为了保证模型的泛化能力,本文采用网络图片构建数据库并在实际的监控视频中进行测试的方式。实验结果表明本文算法能有效解决不同室内监控场景中的对象检测以及行为分析任务。