随着社会各个领域对安全需求的不断增长,传统的人工监控已无法处理海量的视频监控数据。针对当前视频监控系统智能程度较低、功能单一、网络传输延时大、成本高等问题,本作品结合计算机视觉技术、深度学习技术、嵌入式技术、视频结构化技术等相关技术,设计了一套基于前后端深度智能处理架构的实时智能视频监控系统。该系统前端采用高性能、低功耗的NVIDIAJetsonTX1嵌入式AI平台提取监控目标的属性信息,然后通过视频结构化技术将目标属性上传到云端进行高层语义分析判定,在网络受限环境下提高系统实时性和鲁棒性;此外,该系统集成了多种视觉算法,主要包括基于深度学习的目标检测识别算法、多目标跟踪算法、基于运动光流特征的异常行为识别等算法实现了目标检测识别、目标跟踪、目标计数、区域入侵警报以及诸如行人奔跑、打架等异常行为的检测报警功能。通过实际测试表明,该系统能够自动识别监控场景下的目标并对异常行为进行实时警报,其在智能安防视频监控领域具有广泛的应用前景。

成果单位:深圳大学 信息工程学院           成果负责人:谢维信
联系电话:0755-26732057