[发明专利]基于领域适应的改进SSD监控视频目标检测方法

说明书

本发明提供了一种基于领域适应的改进SSD(单发多框目标检测器)监控视频目标检测方法，步骤如下：(1)采用SSD网络，在公开数据集上训练获得SSD模型。(2)准备监控视频数据，从实际校园监控视频中获取数据集。(3)构建改进网络结构，通过在SSD网络中特定卷积层上引入最大均值差异方法，重构网络损失函数。(4)根据改进的网络结构和损失函数，在训练数据集上完成改进模型的训练。(5)将白天和夜间场景数据分别输入到改进模型进行检测，获得最终检测结果。本发明根据领域适应方法，改进SSD网络，以检测平均正确率AP作为评价标准，提高了SSD网络在不同领域之间的适应性，在白天和夜间监控视频场景的目标检测任务中可以同时达到较好的应用效果。

技术领域

本发明属于计算机视觉技术领域，主要涉及深度学习目标检测，尤其是一种基于领域适应的改进SSD(单发多框目标检测器)监控视频目标检测方法。

背景技术

随着人们安全意识的提高，安防领域的建设越来越受关注。视频监控系统作为实现安全防护重要的方式，其已广泛应用于各种场景，包括街道、社区、医院、校园等。传统的视频监控只进行视频采集和存储，通过人工监控和分析的方法以发现视频中的异常行为，一般用于事后取证，该视频监控方式缺乏实时性。然而，伴随着视频监控系统覆盖范围越来越广泛，相应的摄像头的数量也日益增加。在庞大监控视频量的情况下，依靠监控工作人员时刻监看视频很难及时对视频中出现的非正常行为做出反应，不能满足人们对于实际监控实时性的需求。因此，智能视频监控技术的出现和发展成为解决该问题的有效手段。其智能化体现在从海量的数据中自动的提取出有用信息，对监控视频内容进行自动分析处理，进而实现对监控视频中的目标自动检测。

传统的目标检测算法使用人工设计的特征提取器，存在特征表达能力不足，特征可分性差等缺点。其特征设计依赖于不同情况下的实际视觉检测任务，容易受限于开发人员自身的理论基础和实际经验，检测精度不能满足实际需求。而深度学习利用深度神经网络从大量的数据中自主学习特征，学习到的特征更丰富，表达更充分，具有强鲁棒性和高准确性的特点。在深度学习中，卷积神经网络是图像识别和目标检测领域核心的算法之一。在国内外学者对深度学习不断的深入研究下，相继出现了多种基于卷积神经网络目标检测方法。但是，深度神经网络中包含了大量需要自主学习的参数，这些参数的学习需要依靠大量的数据。因此，从小样本数据集中很难学习到准确的特征。此外，人工标注数据往往会耗费大量的人力和时间，而且深度神经网络在不同领域之间的泛化能力较弱，对于不同的领域需要重新训练模型，这在一定程度上都增加了模型训练的难度。

发明内容

本发明的目的在于克服现有技术的不足之处，提供一种基于领域适应的改进SSD监控视频目标检测方法，利用迁移学习中的领域适应方法改进网络结构，以提高其在夜间和白天视频不同场景下的检测效果。

实现本发明的技术方案是：

(1)采用SSD网络，在公开数据集(PASCALVOC2007和PASCALVOC2012)中挑选数据组成训练数据集,在此数据集上训练获得SSD模型。

(2)准备监控视频数据，针对实际校园监控视频中经常出现的人这一类别，对不同场景和时间段的白天和夜间监控视频数据进行挑选，人工标注并通过数据增广的方式将数据进行扩充。

(3)构建改进网络结构，在SSD网络中引入衡量不同领域分布差距的最大均值差异度量方法MMD，利用最大均值差异在特定卷积层Conv3_3上计算不同领域之间的特征差距，并将此差距与SSD网络损失函数合并构成新的总损失函数L，通过多次迭代调节参数以减少不同领域的分布差异，从而充分利用原领域数据，以促进目标领域的检测效果。

改进方法总损失函数L由SSD损失函数L(x,c,l,g)和MMD构成，公式为：

L＝L(x,c,l,g)+λMMD²(X_S,X_T)