inSight 智能视频监控系统

项目简介

本课题面向立体防控任务识别新技术的需求,针对基于图像和视频等视觉信息的风险识别新技术在实际应用中存在适应性、鲁棒性及精确性较差的问题开展了大量实验研究工作,重点研究和突破多模态智能视觉感知、基于视觉多任务学习的跨场景再识别技术、基于模板匹配的物品计算机辅助检测等关键技术。集成上述技术构建风险识别系统,开发了由多类传感器组成的智能视觉感知系统,实现了重点场所的多模态视觉传感信息采集、处理与融合;对跨场景人体目标再识别、人体行为检测与识别、群体异常行为检测识别以及图像目标检测与分割等技术进行突破与集成,提升了人员身份识别、行为识别与物品识别技术的普适性、鲁棒性和准确性,主要研究内容有:

① 基于多模态视觉融合的智能感知技术应用研究:研究三维全景深度感知、结构光编解码、跨模态标定与配准等视觉感知技术,实现对象色彩、深度、温度等信息的智能融合感知

② 基于多任务深度学习的跨场景目标再识别技术应用研究:针对重点场所检测与身份识别问题,研究如何建立基于人体检测与跨场景目标再识别等多类任务单元的通用学习框架,实现复杂环境中的人员精确检测及鲁棒身份识别

③ 基于视觉显著性估计的异常行为检测技术应用研究:针对重点场所异常行为检测问题,研究如何模拟人类视觉显著性感知机理,实现人员特定行为模式以及群体异常行为模式的检测与识别

④ 基于模板匹配的安检X线图像计算机辅助检测技术应用研究:针对场景中基于X线图像的人工检测方法存在的漏检率高、检测效率低的特点,研究图像分割与特征提取、基于二维深度卷积神经网络的特征提取、模板匹配与分类识别等技术,以计算机辅助检测的形式提升监控值守人员检查物品的工作效率


系统界面