基于图像技术的危险器具识别技术研究与开发开题报告

1. 研究目的与意义

人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。机器人是人工智能的一种形式，它是能模仿人的某些活动的一种自动机械。一般能实现行走和操作生产工具等动作，可用在人所不能适应的环境下代替人工作。现代机器人都配装电子计算机，通过编排程序，能具有一定程度的人工智能，如识别语言和图像，并作出适当的反应等。

计算机视觉就是深度学习应用中的重要研究方向之一，是解决如何使计算机“看”这个问题的科学。因为视觉对人类以及许多动物来说毫不费力，但是对计算机来说这个任务却充满了挑战。深度学习中有许多针对计算机视觉的的细分研究和应用方向，图像识别、物体检测、人脸识别、ocr等。

图像识别的输入是一张图片，输出图片中要是识别的物理类别。自从2012年以来，cnn和其他深度学习技术就已经占据了图像识别的主流地位。在图像识别领域有一些公开的数据集和竞赛驱动着整体技术的发展，例如。imagenet是目前世界上最大的图像识别数据库，是由美国斯坦福的计算机科学家，模拟人类的识别系统而建立的。

2. 研究内容和预期目标

本毕业设计使用目前比较成熟的深度学习框架进行视频流中的图像检测，利用自己标注好的图像数据集进行训练，每个边界框都会使用多标记分类来预测框中可能包含的类，在训练过程中，用二元交叉熵损失来预测类别。最终实现一个包含卷积层、池化层、全连接层的神经网络。

系统读取本地存储的图像文件，并识别出视频流里面的危险器具，把图像上的危险器具标注出来，输出相关的信息。

本系统的难点在于如何在图像分辨率不同的情况下进行多目标识别与跟踪，例如下雨天光线较暗，大晴天光线太强还有当目标特征较少或者被遮挡的时候如何能准确识别出来

3. 研究的方法与步骤

1. 图像读写功能模块

学生在制作过程中需学习与掌握文件i/o原理，基本图像格式，rgb颜色表示等知识，来设计和实现系统视频图像读写模块，用于读取和存储视频图像数据。

2. 图像预处理功能模块

4. 参考文献

[1]韩宁. 基于深度学习的 x 射线图像危险品检测与跟踪算法研究[d]. 兰州大学, 2018.

[2]王华君, 惠晶. 基于 sift 特征和 ism 的 x 射线图像危险品检测方法[j]. 计算机测量与控制, 2018, 26(1): 31-33.

[3]闫建伟. 基于 x 射线图像的车站危险品检测方法研究 [d][d]. 兰州交通大学, 2013.

5. 计划与进度安排

序号 起止日期 任务 工作内容

1、 2022-01-01~ 2022-01-31 调研 调研，撰写开题报告

2、 2022-02-01~ 2022-02-13 查阅文献 论文综述、论文目录和学习现有算法