一种基于YOLO算法的智能监控系统

•

一种基于YOLO算法的智能监控系统

本文分析了当前校园中普遍摘 采用原始的监控系统的弊端，结 要合时下流行的人工智能，完成一款基于深度学习YOLO算法的智能目标系统，实现对监控系统的改进，起到完善校园安全建设的作用，保障学生在校安全。【关键词】图像识别 YOLO算法 智能监控 校园安全

1 当前校园监控存在的问题

在当今社会中，校园安全一直是每个学校最为重视的一点，学校的安全工作，是全社会安全工作的一个十分重要的组成部分。他直接关系到学生能否安全、健康地成长，关系到许多家庭的幸福安宁和社会的稳定。要时刻保证学生安全，但学院里存在的安全隐患十分的多，比如车辆，流浪猫狗等。校园内的监控摄像头的作用就是加强对校园的监控，但是目前校园中广泛采用的监控系统只能实现监控视频的录制，不能对安全隐患及时做出预警，一旦发生诸如学生进入禁区、攀爬栏杆等情况，警卫人员如未能及时发现等事后赶到现场就为时已晚。所以需要加强监控对安全隐患的探查与预警，将隐患扼杀在摇篮中。

2 改进的实时监控系统

针对现有监控系统不能及时发现潜在安全隐患的问题，本文提出一种改进的智能监控系统：

（1）制作人物及潜在安全隐患事物（猫、狗、自行车、汽车等）的数据集;

（2）训练YOLO神经网络，提取各类别物体的特征；

（3）在现有的监控系统基础上通过摄像头采集监控录像传入监控系统；

（4）智能监控系统划分敏感区域，同时对采集到的监控视频中的物体进行分类标注；

（5）一旦有人物进入该区域，即将之标注为红色，将该条记录写入数据库，同时在监控系统的界面中显示该条日志；

（6）警卫人员在接到预警信息及时赶往

文/杨玉棋 邱虎鸣 王子龙 王跃进

现场。

该禁区所对应的数据库中,在敏感区域内，矩迁移学习也就是所谓的有监督预训练，形框标注出的事物的名称采用不同的颜色来表我们通常把这个称为迁移学习。就是把一个任示，用来着重强调。

务提前训练好的参数，拿到另外一个任务中，通过提前设定的数据集，系统将识别我作为神经网络的初始参数值,这样以来相比于们所规定的一些在校园内具有危险性的物体，直接去采用随机初始化的方法，它的精度可以将其识别后并保存到数据库。

大大的提高。图片的分类和已经注释好的数据当系统识别出物体，并将它们存到数据十分多，但是物体检测的标注数据却十分少，

库中时，同时将当前系统时间一起写入数据库尽量去使用较少的标注数据，来训练高质量的中，由于画面拍摄和系统的物体识别基本上是一种模型。

同步进行的，所以可以将系统识别的时间看做对象检测需要确定对象的边界框。我们成画面拍摄时间，将这些信息保存到数据库中，不光要找到对象的边界框。同时我们还需要认

并作为日志实时输出到系统的操作界面。且在识到边界框内的对象是我们要找的这个对象。系统刚开始检测视频的同时即保存标注后的视YOLO的CNN网络将输入的图像分成S×S的频，方便事后调出查询。

网格，然后其中每个单元负责检测中心点落在网格内的地点。每个单元格都存在预测边界框3 总结

和边界框的置信度。所谓的置信度实际上包括通过监视、分类、检测坐标、数据库读写、两个方面，一个是包括目标边界框的可能性，监控保存等一系列流程，弥补当前校园监控系另一个是边界框的精确性。前者表示为Pr（对统普遍采用的监视、保存模式，实时对视频做象），当边界框作为背景时，不包括此对象。一次筛选，既可以减少警力巡逻的人力资源消这时，Pr= 0。当边界框含有目标的时候，Pr= 耗，又可以在学生误入敏感区域情况及时发出1。边界框的精确性可以通过预测框和实际预警，极大弥补了校园安全在监控方面的不足。

框的IOU来表示出，表示为IOUpredtruth。因此，可以将置信度定义为Pr（对象）* （指导老师：王梦晓）

IOUpredtruth。边界框的大小以及位置可以用四个数值来表示：（x，y，w，h），其中（x，y）参考文献

是边界框的中心坐标，w和h是边界框的宽度[1]RedmonJ, Divvala S, Girshick R, et

和高度。同样重要的是要注意，中心坐标（x，y）al. You Only Look Once: Unified, 的预测值是相对于每个单元的左上角的坐标点Real-Time Object Detection[J]. 2015.的偏移值，并且该单位是相对于单元尺寸的。[2]Shafiee M J, Chywl B, Li F, et al.

边界框的w和h预测值是相对于整个图像的Fast YOLO: A Fast You Only Look Once 宽度和高度的，因此理论上四个元素的大小应System for Real-time Embedded Object 该在[0,1]的范围内。因此，每个边界框的预Detection in Video[J]. 2017.

测值实际上包含5个元素：（x，y，w，h，c），[3]李茂晖,吴传平,鲍艳,房卓群.论YOLO

其中前4个表示边界框的大小和位置，最后一算法在机器视觉中应用原理[J].教育现个值是置信度。

代化,2018.

根据提取的对象的特征执行识别，并且识别的结果显示在由相机捕获的图片或视频中由作者简介

YOLO算法构成的边界框上，并且呈现项目名杨玉棋，大学本科学历。职称：学生。研究方称。在学校的一些存在安全问题，较容易发生向为机器学习图像识别。

危险事故的地点，如危险品仓库，化学实验室等地方。将这些区域设置划为一个敏感区域，作者单位

每一个敏感区域设置一个数据库，根据边界框东南大学成贤学院电子与计算机工程学院 江的中心坐标（x，y）是否在禁区坐标范围内判苏省南京市 210088

定是否有标记物体进入禁区，将物体类别计入

Electronic Technology & Software Engineering 电子技术与软件工程• 121