摘  要

 

随着中国进入城市化的新阶段，人们的生活水平不断提高，对于美好生活的向往和追求也在不断上升，而人们在公共场所的舒适度是其中的衡量标准之一，然而总有小部分人在公共场所做出损人不利己的违规行为，比如人们肆意在电梯等公共场吸烟，因此应用高新技术在电梯等公共场所需要进行不良行为检测时机已经成熟，此做法更是提高了摄像头智能化技术。伴随着我国城镇化发展、“中国制造2025”、“一带一路”倡议、制造业产业升级以及我国电梯企业智能化发展的影响，未来我国电梯市场仍将是全球电梯设备和相关服务生产和需求最为旺盛的市场。基于摄像头的电梯内违规行为识别是未来国内电梯市场的必备技术，是推进未来电梯内安全舒适的有效组成部分。传统的违规识别多建立在人工的基础上，随着神经网络的不断发展，计算机视觉技术的提高，将这种技术与电梯内摄像头结合，使电梯能够实时智能识别电梯内违规行为，高效且节省人力。本系统基于tensorflow+OpenCV实现对神经网络的搭建和对摄像头图像的输入调用。基本实现了实时智能识别违规行为。

 

关键词：目标识别，神经网络，违规识别

目  录

 

第一章 绪论 1

1.1 引言 1

1.2 国内外的研究现状 1

1.2.1 智能监控现状 1

1.2.2 关于物体识别的研究 2

1.3 研究主要成果 2

1.3.1 深度神经网络 2

1.3.2 卷积神经网络[3] 3

第二章 系统需求分析 5

2.1 系统用户分析 5

2.2 功能性需求 5

2.2.1 摄像头管理 5

2.2.2 人脸识别 5

2.2.3 香烟识别 5

2.3 非功能性需求 5

2.3.1 响应速度 6

2.3.2 兼容性 6

2.3.3 适应性 6

第三章 系统的设计 7

3.1 界面设计 7

3.1.1 主界面UI设计 7

3.2 功能设计 7

3.2.1 摄像头的调用 7

3.2.2 图像与视频采集 9

3.2.3 用卷积神经网络进行检测 10

第四章 系统的设计与实现 13

4.1 系统开发技术架构 13

4.2 图像数据的处理模块 13

4.2.1 训练图像的预处理 13

4.2.2 基于OpenCV的图像处理 13

4.3 关键模块和代码的实现方案 13

4.3.1 视频流获取 13

4.3.2 神经网络模型的搭建 14

4.3.3 神经网络模型的训练 15

4.2.4 训练好的神经网络模型精确度评估 16

4.4 可视化窗口模块 16

4.4.1 使用pyqt5搭建的框架模型 16

4.4.2 使用pyqt5绑定事件 17

4.5 数据文件存储 17

4.6 神经网络模型的loss和accuracy曲线 18

第五章 总结与展望 20

5.1 总结 20

5.2 展望 20

参考文献 21

致  谢 22