面向安防监控视频异物遮挡检测的方法与应用研究的任务书.docx

面向安防监控视频异物遮挡检测的方法与应用研究的任务书
任务书
一、研究背景
随着全球安防需求的不断提高，视频监控技术已经成为现代安防系统中最为重要的技术手段之一。但是，在实际的监控过程中，视频图像可能会被一些异物（如遮挡）所干扰，导致监控设备无法准确识别或者跟踪目标物体。这些异常情况会威胁到监控系统的安全性和可靠性，增加了安全事件的风险和性质。因此，研究针对异物遮挡的安防监控视频检测方法和应用具有重大的现实意义和应用价值。
二、研究目的
本研究的目的是针对安防监控视频中常见的异物遮挡问题，研究和探索有效的检测方法，准确、高效、自动地检测出图像中被遮挡的区域，并且对实际的安防监控应用有着实质性的帮助和贡献。
三、研究内容
1.安防监控视频的预处理：使得监控视频图像能够适应输入算法要求，并且去除噪声、平滑垂直边界等预处理操作。
2.异物检测算法的设计与实现：提出一种基于深度学习的异物遮挡预测算法，利用卷积神经网络（CNN）完成异常部分的检测和分类，同时结合众包标注算法，提高检测算法的准确性和鲁棒性。
3.异物检测算法的集成与优化：结合不同的检测算法，并利用集成学习的思想，将它们融合在一起，进一步提高检测算法的准确率和鲁棒性。
4.异物检测应用系统设计与实现：设计一个集成监控摄像头、预处理和异物检测算法的应用系统。该系统可以实时接收和回传视频流，并自动检测和报告遮挡情况，实现自动化和实时化的监控和异物遮挡的报警系统。
四、研究意义
1.提高监控安全性和识别精度：建立针对异物遮挡的监控系统，提高监控视频的安全性和识别精度，减小安全事件的发生与可能的损失。
2.提高工作效率和效益：自动监控遮挡的应用系统，减少了人工干预的需求和人力资源消耗，因此提高工作效率和效益。
3.推广和应用前景广泛：异物检测技术在安防行业的应用前景广泛，可以在户外地铁站、机场、汽车站、银行等公共场所实现智能化监控。
五、研究方法
1.数据采集：采集一定数量、不同场景、不同光照条件的监控视频数据；
2.数据处理：对于采集到的监控视频数据进行去噪、预处理等处理操作；
3.异物检测算法设计：基于深度学习算法，设定合理的网络结构，训练出能够有效检测遮挡数据的异物检测算法；
4.系统实现：将异物检测算法与监控系统集成并实现系统预警功能，形成完整的应用系统。
六、研究进度和计划
1.数据采集，视频去噪和预处理的工作，预计于3个月内完成。
2.设计并实现基于深度学习算法的异常检测算法，预计于6个月内完成。
3.设计和实现融合多个检测算法的异物检测算法，预计于9个月内完成。
4.异物检测应用系统的设计与实现，预计于12个月内完成。
七、预期成果
1.完成了一项针对安防监控视频异物遮挡检测的深入研究，得出了具有实际应用价值的研究成果。
2.建立了针对这种异常情况的监控系统，并能够提高监控视频的安全性和识别精度。
3.该种技术的研究成果应用价值广泛，可在多个领域得以应用和推广。
参考文献：
[1]周平，程学旗，刘琦，李新月.基于深度特征的遮挡目标物体检测图像恢复研究[J].中国图象图形学报，2019，24（11）：1941-1948.
[2]李志真，张江宏，习来亚，王晓峰.基于卷积神经网络的铁路视频监控中异常目标检测方法[J].电力学报，2019，34（6）：1323-1331.
[3]汪海波.机器视觉技术在工业检测领域的应用研究[J].材料导报，2019，32（8）：18-21.