导读:本文包含了视频检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,卷积,视频,特征,双流,深度,平面。
视频检测论文文献综述
刘艳丽,李志明,赵晓莹,邢冠宇[1]（2019）在《移动视点视频的平面检测与跟踪》一文中研究指出针对广泛存在的建筑物场景,提出了一种基于视频的平面检测与跟踪算法.算法分为3步,给定初始帧图像中的平面边界,第1步通过相邻2帧图像间的单应性矩阵跟踪平面边界,由于单应性矩阵跟踪会导致累积误差,首先采用RANSAC算法拟合边界线段,再使用绝对二次曲线约束和LM算法优化平面边界.第2步检测新出现的平面,根据原平面边界是由两组不同的平行线段组成提取该平面外围的第叁类平行线段,由此判断是否有新的平面出现并检测新平面边界.第3步在检测到新平面边界后跟踪当前帧的所有平面到下一帧,当新出现的平面区域有增加或减少时,根据同一平面材质相似这一信息使用漫水填充和图像分割更新平面边界.最后,采用5个真实场景进行了实验,结果表明,文中算法能准确、稳定地在线检测与跟踪视频中的平面边界.(本文来源于《计算机辅助设计与图形学学报》期刊2019年12期）
李明明,雷菊阳,赵从健[2]（2019）在《道路场景中基于视频的多目标检测》一文中研究指出针对复杂道路场景的目标检测难以实现在移动设备上的实时目标检测问题,采用了MobileNet-SSD的目标检测框架,设计了一种用于视频的多目标检测组合网络框架LSTM-SSD。利用视频连续帧的信息时序关联,有效的提高检测的置信度,减少单一图像检测中存在的不稳定问题。通过与VGG-SSDMobile Net-SSD两种检测网络模型的对比,实验表明,设计的检测网络模型在应对多目标、模糊、遮挡等干扰状况下,均能获得较好的检测效果。该模型的设计,可对无人驾驶实现实时目标检测提供依据和参考。(本文来源于《软件》期刊2019年12期）
胡骞鹤,方书雅,刘守印,李纪平[3]（2019）在《基于教室监控视频的学生位置检测和人脸图像捕获算法》一文中研究指出实现一个基于课堂监控视频的学生位置检测和学生人脸图像获取系统。本系统由一个定焦全景摄像机和一个PTZ(平移(Pan)、倾斜(Tilt)、变焦(Zoom))摄像机组成。首先利用全景摄像机获得教室全景图像,针对实际课堂环境中的光线突变,提出基于帧间差的异常光线排除算法,实现异常光线监测和动态空教室图像检测与存储;使用HR网络结构对全景图像进行人脸检测,得到人脸检测框集合;针对非约束环境中学生因姿势变化和人脸遮挡、全景图像分辨率低等因素引起人脸信息缺失而导致人脸检测漏检问题,提出基于人体头肩特征的加权运动目标检测算法,得到目标检测框,提高人脸信息缺失的学生位置检测率;针对多种检测框的大量冗余,提出多种检测框加权融合算法,有效减少检测框的重复,得到学生人物检测框集合。然后,将学生人物检测框包含的位置信息传递至PTZ摄像机控制子系统,使PTZ逐个聚焦目标学生,捕获到清晰的学生人脸图像,为后续的人脸识别提供高质量的图像。(本文来源于《计算机与现代化》期刊2019年12期）
翁韶伟,彭一航,危博,易林,叶武剑[4]（2019）在《基于Inception-V3网络的双阶段数字视频篡改检测算法》一文中研究指出为了克服现有数字视频取证算法识别准确率低、定位能力差等缺点,提出一种具有高识别率且定位准确的基于Inception-V3网络的二级分类取证算法.在第一级分类器中提出简单的阈值判断方法来区分原始和篡改视频,第二级分类器将采用Inception-V3网络的稠密卷积核结构来自动提取篡改视频帧的高维多尺度特征.高维多尺度特征有助于提升篡改视频帧的识别率.实验结果表明,本文提出的算法不仅能准确地检测出篡改视频,还能从篡改视频中精确定位出篡改帧.(本文来源于《广东工业大学学报》期刊2019年06期）
[5]（2019）在《基于视频分析技术的交通事件检测系统》一文中研究指出项目概况随着社会的发展、城市化推进,我国交通信息化建设得到高速发展。道路视频监控规模迅速扩大,通过人工检测车辆运行状况已经很难满足日益复杂的交通管理的需要。科学技术的不断进步,基于视频进行交通事件自动检测变成现实,建设基于视频的交通事件检测与事件管理系统也变得非常必要。(本文来源于《中国科技信息》期刊2019年23期）
运杰伦,林欣欣,高扬帆[6]（2019）在《基于CNN的驾驶员面部视频图像的疲劳检测应用研究》一文中研究指出本文研究基于驾驶员脸部信息的疲劳检测,首先选择MTCCN检测驾驶员人脸,在此基础上使用基于AlexNet模型改进的双流网络实现驾驶疲劳检测,该网络利用同时提取当前RGB图像帧的驾驶员静态疲劳特征和经过稠密光流算法Farneback处理过的光流图片帧的驾驶员动态疲劳特征判断驾驶疲劳。驾驶疲劳检测实验结果表明,基于AlexNet改进的双流网络检测准确率为92.87%。(本文来源于《单片机与嵌入式系统应用》期刊2019年12期）
Yan-yi,ZHANG,Di,XIE[7]（2019）在《内窥镜视频中多类别人造物的检测与分割（英文）》一文中研究指出概要:为准确定位内窥镜视频中的人造物,帮助医生提升诊断准确率,引入深度神经网络检测与分割模型,采用特征金字塔与级联R-CNN相互结合的框架,并使用PSPNet结合分类器链的思想,从而解决分割及数据匮乏问题,有效提升性能,并在EAD 2019数据集上取得领先的性能。(本文来源于《Journal of Zhejiang University-Science B(Biomedicine & Biotechnology)》期刊2019年12期）
吕兵,刘玉贤,叶绍泽,闫臻[8]（2019）在《基于卷积神经网的CCTV视频中排水管道缺陷的智能检测》一文中研究指出作为地下空间信息测绘工作的一个重要部分,基于排水管道内部测绘信息的管道缺陷检测越来越受到人们的重视。CCTV技术是一种广泛使用的排水管道内部测绘与缺陷检测技术。近些年基于卷积神经网的人工智能技术在图像识别中取得了巨大成功,受此启发,提出了一种基于卷积神经网络的排水管道缺陷的检测方法,以提高CCTV视频中的管道缺陷检测的自动化和智能化。试验证明了该方法的有效性,其在缺陷识别的准确率和召回率及识别速度上均满足了排水管道缺陷智能检测的需要;同时该方法也已经在深圳市的排水管道检测中得到广泛的应用。(本文来源于《测绘通报》期刊2019年11期）
毋立芳,赵宽,简萌,王向东[9]（2019）在《级联手工特征与深度特征的视频关键帧检测方法》一文中研究指出关键帧检测是有效的视频内容分析的关键环节。常用的基于手工特征的方法运行效率高但很难有效表征关键帧特征,因而性能不好。基于深度特征的方法因为网络结构复杂,导致效率不高。在体育比赛类视频中,关键帧常为比赛转播中镜头变化的最后一帧。但广播视频中除了包含比赛视频还包括很多其他类型的镜头如中场休息、渐变镜头等。因此检测最后一帧包含很多比赛无关内容。针对这一问题,本文提出了一种手工特征与深度特征相结合的视频关键帧检测方法。首先基于颜色直方图特征进行镜头边界检测获取最后一帧。进一步基于直方图相似性提出一种类似聚类的方法得到候选关键帧。最后,基于深度神经网络对候选关键帧进行分类,得到真正的关键帧。在冰壶比赛视频和篮球比赛视频上的对比实验结果表明,相对于传统的背景差分法、光流法等,本文提出方法能够快速、可靠地提取关键帧。(本文来源于《信号处理》期刊2019年11期）
彭博,蔡晓禹,唐聚,谢济铭,张媛媛[10]（2019）在《基于改进Faster R-CNN的无人机视频车辆自动检测》一文中研究指出为了从广域视角准确提取道路交通信息,提出了一种用于无人机视频车辆自动识别的改进Faster R-CNN模型.该模型以基于ZF网络的Faster R-CNN为原型,优化调整学习策略、训练图像尺寸、学习率等模型参数,调整RPN网络卷积核并引入SoftNMS算法,增加1～3个特征提取卷积层和激活层.基于无人机交通视频构建了训练图像集,对现有Faster R-CNN模型及改进模型进行训练和测试.结果显示,与采用Step学习策略的模型相比,采用学习策略Inv的模型车辆识别平均准确率提高了0.4%～9.4%.引入SoftNMS算法的模型比引入前的模型平均准确率提高了0.1%～7.9%.提出的改进模型平均准确率为94.6%,较基于ZF的Faster R-CNN模型、基于VGGM的Faster R-CNN模型和基于VGG16的Faster R-CNN模型分别提高了13.1%、13.1%和4.1%,且训练时间减少约3%,对多种场景的视频车辆检测具有较好的适用性.(本文来源于《东南大学学报(自然科学版)》期刊2019年06期）
视频检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对复杂道路场景的目标检测难以实现在移动设备上的实时目标检测问题,采用了MobileNet-SSD的目标检测框架,设计了一种用于视频的多目标检测组合网络框架LSTM-SSD。利用视频连续帧的信息时序关联,有效的提高检测的置信度,减少单一图像检测中存在的不稳定问题。通过与VGG-SSDMobile Net-SSD两种检测网络模型的对比,实验表明,设计的检测网络模型在应对多目标、模糊、遮挡等干扰状况下,均能获得较好的检测效果。该模型的设计,可对无人驾驶实现实时目标检测提供依据和参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视频检测论文参考文献
[1].刘艳丽,李志明,赵晓莹,邢冠宇.移动视点视频的平面检测与跟踪[J].计算机辅助设计与图形学学报.2019
[2].李明明,雷菊阳,赵从健.道路场景中基于视频的多目标检测[J].软件.2019
[3].胡骞鹤,方书雅,刘守印,李纪平.基于教室监控视频的学生位置检测和人脸图像捕获算法[J].计算机与现代化.2019
[4].翁韶伟,彭一航,危博,易林,叶武剑.基于Inception-V3网络的双阶段数字视频篡改检测算法[J].广东工业大学学报.2019
[5]..基于视频分析技术的交通事件检测系统[J].中国科技信息.2019
[6].运杰伦,林欣欣,高扬帆.基于CNN的驾驶员面部视频图像的疲劳检测应用研究[J].单片机与嵌入式系统应用.2019
[7].Yan-yi,ZHANG,Di,XIE.内窥镜视频中多类别人造物的检测与分割（英文）[J].JournalofZhejiangUniversity-ScienceB(Biomedicine&Biotechnology).2019
[8].吕兵,刘玉贤,叶绍泽,闫臻.基于卷积神经网的CCTV视频中排水管道缺陷的智能检测[J].测绘通报.2019
[9].毋立芳,赵宽,简萌,王向东.级联手工特征与深度特征的视频关键帧检测方法[J].信号处理.2019
[10].彭博,蔡晓禹,唐聚,谢济铭,张媛媛.基于改进FasterR-CNN的无人机视频车辆自动检测[J].东南大学学报(自然科学版).2019