基于DenseYOLO的室内目标异常检测

作者：贾世杰; 胡斯平; 杨明珠; 刘舒婷

来源：大连交通大学学报, 2019, 40(03): 102-107.

DOI：10.13291/j.cnki.djdxac.2019.03.020

• 室内场所
• 视频监控
• 异常检测
• 目标检测
• DenseYOLO

针对室内场所,运用目标检测等算法实现对监控视频的实时异常检测.为提高检测效果,对YOLO v2模型进行了三个方面的改进:利用稠密网络中特征融合方式改进网络结构;使用K-means++对目标框进行聚类改进网络参数;利用迁移学习的方式对网络进行训练;改进最终得到DenseYOLO目标检测模型.实验结果表明DenseYOLO正确率达到了93.66%,相比YOLO v2提高了7.06%.针对人、宠物、贵重物品这几种常见的监控目标,利用DenseYOLO对目标状态进行异常检测,并分别在一般场景、光照强、光照弱、目标被遮挡、目标较小等不利条件下进行测试,区域入侵检测、物品移动/移出检测两种特定目标异常检测功能分别到达92.73%、90.07%的平均正确率.

• 单位
  大连交通大学