论文部分内容阅读
摘要：本文主要内容是进行电梯轿厢内监控视频乘客异常行为检测研究。建立基于乘客异常行为检测的人工智能电梯音视频监控智能系统，能够自动地检测电梯乘客有无异常行为。
关键词：视频；异常行为；智能检测
一、引言
视频异常行为智能检测系统目前已经成为国际上最被人们所关注的科研热点之一，美国、欧洲许多高校对其进行了大量的研究工作。随着智能视频分析技术应用的普及，已经成为目前计算机技术的热点研究方向。伴随着国家对公共安全的重视程度不断提高，涌现出一系列重大安全项目，例如平安城市、平安校园等，这也意味着我国家在视频监控系统方面的投入越来越大。
二、异常行为检测内容
（1）研究面向服务器端、视频智能终端的数据智能方法、共享服务机制。
为了实现电梯内外视频异常行为检测、人工智能深度网络算法快速实施，需要构建一套以大数据驱动、面向服务器端的人工智能开发创新服务平台，就需要研究该平台中数据驱动的AI能力服务模型、数据智能处理方法、部分智能终端的消息处理模式、面向多用户的数据、能力、算法共享服务机制。
（2）研究电梯运行状态下不同类型知识的获取、表达和存储方法，建立视觉智能计算、视频异常检测分析模型及跨媒体推理的引擎。
首先构建海量数据（视频、声音、图像、文本）的获取、表达、存储机制。通过对数据流加密和通用协议（包括TCP、UDP、FTP、HTTPS、MQTT等协议）的实现，来完成数据采集存储分析。通过对这方面不同技术的研究，提出一种安全、快速的多源数据采集存储方案。从而有效的保障制造业数据采集与实时感知生产运行状态。
（3）研究人工智能软件加速方法和算法，尤其是深度神经网络加速运算快速执行方法，研究稀疏化神经网络推断技术。
为了完成更加电梯中多种数据类型及复杂的信息处理任务时，深度神经网络变得越来越深，也使得其计算量越来越大。当深度神经网络在应用到电梯跨媒体推理场景时，有很多情况下必须在智能手机、穿戴设备等嵌入式設备上使用。如何使用有效方法压缩网络模型就十分重要。需要对深度神经网络加速与压缩的开展研究：在保证现有模型的性能基本不变的前提下，采用一些方法能够有效的大幅减少计算量、降低模型的体积，同时完成对神经网络在空间上的模型压缩和时间上的计算加速，从而满足存储空间和计算时间的要求。
三、电梯轿厢内异常行为检测的过程
电梯轿厢内异常行为检测过程如图1.1所示。
目标检测的主要任务是对运动的目标进行检测和标记。在视频场景中提取运动目标经常会受到各种环境各种因素的制约，例如：（1）背景干扰。包括背景噪声、雾霾影响、树枝晃动、水波荡漾等因素的变化造成。（2）光照强度的变化以及阴影干扰。室外光照随时间变化，导致物体阴影也跟着变化等。（3）运动前景目标的变化性，比如拥挤的商场或公园等公共场合。（4）目标长时间静止或运动较为缓慢导致误判为背景灯。由于背景的多样性特征，运动目标检测方法要能够通用于较多的复杂环境。
四、结语
目前我国的视频监控技术尚未完全成熟，市场上的视频监控产品还是以模拟技术为主、数字技术为辅。很多发达国家对智能视频监控的研究应用暂时领先于我国，掌握了一些智能视频监控的核心算法技术，我国在这方面的发展仍有一定的差距。随着时代的需求及当前我国对智能监控技术领域的大力支持，视频监控中的动态监测和实时监控方面的发展速度迅猛。传统型的视频监控系统将朝向智能化监控系统方向转变，随着互联网时代的大趋势不断推进。
参考文献：
[1] 薛璐晨.基于OpenCV的行人异常检测系统的设计与实现[D].吉林大学，2016.
[2] 郭礼华，袁晓彤，李建华.基于直方图的Snake视频对象跟踪算法[J].中国图像图形学报，2005（02）.
[3] 徐腾飞.视频序列中基于检测的多目标跟踪研究[D].南京邮电大学，2011.
[4] 吴金勇，虞致国等.基于视频的入侵检测系统[J].电子测量技术，2006（01）.
基金项目：2021年杭州职业技术学院科研项目（编号：ky202128）；2020年度浙江省大学生科技创新活动计划暨新苗人才计划项目“基于乘客异常行为检测的电梯监控云平台开发”（编号：2020R428011）。
作者简介：吴红梅（1981—），女，浙江武义人，硕士，研究方向：应用电子。
关键词：视频；异常行为；智能检测
一、引言
视频异常行为智能检测系统目前已经成为国际上最被人们所关注的科研热点之一，美国、欧洲许多高校对其进行了大量的研究工作。随着智能视频分析技术应用的普及，已经成为目前计算机技术的热点研究方向。伴随着国家对公共安全的重视程度不断提高，涌现出一系列重大安全项目，例如平安城市、平安校园等，这也意味着我国家在视频监控系统方面的投入越来越大。
二、异常行为检测内容
（1）研究面向服务器端、视频智能终端的数据智能方法、共享服务机制。
为了实现电梯内外视频异常行为检测、人工智能深度网络算法快速实施，需要构建一套以大数据驱动、面向服务器端的人工智能开发创新服务平台，就需要研究该平台中数据驱动的AI能力服务模型、数据智能处理方法、部分智能终端的消息处理模式、面向多用户的数据、能力、算法共享服务机制。
（2）研究电梯运行状态下不同类型知识的获取、表达和存储方法，建立视觉智能计算、视频异常检测分析模型及跨媒体推理的引擎。
首先构建海量数据（视频、声音、图像、文本）的获取、表达、存储机制。通过对数据流加密和通用协议（包括TCP、UDP、FTP、HTTPS、MQTT等协议）的实现，来完成数据采集存储分析。通过对这方面不同技术的研究，提出一种安全、快速的多源数据采集存储方案。从而有效的保障制造业数据采集与实时感知生产运行状态。
（3）研究人工智能软件加速方法和算法，尤其是深度神经网络加速运算快速执行方法，研究稀疏化神经网络推断技术。
为了完成更加电梯中多种数据类型及复杂的信息处理任务时，深度神经网络变得越来越深，也使得其计算量越来越大。当深度神经网络在应用到电梯跨媒体推理场景时，有很多情况下必须在智能手机、穿戴设备等嵌入式設备上使用。如何使用有效方法压缩网络模型就十分重要。需要对深度神经网络加速与压缩的开展研究：在保证现有模型的性能基本不变的前提下，采用一些方法能够有效的大幅减少计算量、降低模型的体积，同时完成对神经网络在空间上的模型压缩和时间上的计算加速，从而满足存储空间和计算时间的要求。
三、电梯轿厢内异常行为检测的过程
电梯轿厢内异常行为检测过程如图1.1所示。
目标检测的主要任务是对运动的目标进行检测和标记。在视频场景中提取运动目标经常会受到各种环境各种因素的制约，例如：（1）背景干扰。包括背景噪声、雾霾影响、树枝晃动、水波荡漾等因素的变化造成。（2）光照强度的变化以及阴影干扰。室外光照随时间变化，导致物体阴影也跟着变化等。（3）运动前景目标的变化性，比如拥挤的商场或公园等公共场合。（4）目标长时间静止或运动较为缓慢导致误判为背景灯。由于背景的多样性特征，运动目标检测方法要能够通用于较多的复杂环境。
四、结语
目前我国的视频监控技术尚未完全成熟，市场上的视频监控产品还是以模拟技术为主、数字技术为辅。很多发达国家对智能视频监控的研究应用暂时领先于我国，掌握了一些智能视频监控的核心算法技术，我国在这方面的发展仍有一定的差距。随着时代的需求及当前我国对智能监控技术领域的大力支持，视频监控中的动态监测和实时监控方面的发展速度迅猛。传统型的视频监控系统将朝向智能化监控系统方向转变，随着互联网时代的大趋势不断推进。
参考文献：
[1] 薛璐晨.基于OpenCV的行人异常检测系统的设计与实现[D].吉林大学，2016.
[2] 郭礼华，袁晓彤，李建华.基于直方图的Snake视频对象跟踪算法[J].中国图像图形学报，2005（02）.
[3] 徐腾飞.视频序列中基于检测的多目标跟踪研究[D].南京邮电大学，2011.
[4] 吴金勇，虞致国等.基于视频的入侵检测系统[J].电子测量技术，2006（01）.
基金项目：2021年杭州职业技术学院科研项目（编号：ky202128）；2020年度浙江省大学生科技创新活动计划暨新苗人才计划项目“基于乘客异常行为检测的电梯监控云平台开发”（编号：2020R428011）。
作者简介：吴红梅（1981—），女，浙江武义人，硕士，研究方向：应用电子。