基于目标识别的智能视频监控系统研究

李良熹 荣进国

摘要：研究野生动物生活习性所部署的视频监控设备，由于网络条件限制，通常只能将视频保存在存储设备中，由研究人员定期取回分析。大量的无效视频一方面影响监控设备的续航能力，一方面需要耗费大量的时间进行分析。使用目标识别算法赋予监控系统智能，对视频进行预处理，自动识别和保存包含目标动物的视频，可以提高监控设备的续航能力，降低研究者在视频中搜寻目标动物的工作量。本文以视频监控系统的智能化为研究目标，提出一种在边缘计算硬件上部署轻量级目标识别算法对包含目标动物的视频进行智能保存的方法。经过仿真实验，使用该方法可以提高视频监控设备的续航能力，减少后期人工处理的时间。

关键词： 目标识别; 深度学习; 智能视频监控; YOLO; 百度飞桨

中图分类号：TP391      文獻标识码：A

文章编号：1009-3044（2021）28-0001-03

开放科学（资源服务）标识码（OSID）：

A Design of Intelligent Video Surveillance System Based on Target Detection

LI Liang-xi，RONG Jin-guo

（Chongqing Technology and Business Institute， Chongqing 401520，China）

Abstract：Video surveillance system for monitor wildlife usually save video clips in storage device because of network conditions. But most of the saved videos are invalid and need a lot of time to analyze. Target recognition algorithm can give video surveillance system intelligence， and only save the video when a specific wildlife is recognized. This paper presents an intelligence surveillance system using edge computing to recognize wildlife. Through testing， surveillance system with object-detection algorithm can effectively save a lot of storage space and reduce search time when locating the wildlife in video clips.

Key words：object detection; deep learning; intelligent video surveillance; YOLO; PaddlePaddle

生物多样性是确保生态环境的关键，任何一种生物的灭绝，都会带来一系列的链条式反应，引起生态环境的逐渐崩溃，保护野生动物就是保护人类自己。70年来，我国建立了2750个自然保护区，其中国家级有474个，自然保护区的总面积达到147万平方公里，占到陆域国土面积的15%，面积广大人烟稀少。

研究野生动物的分布、行为生态是对野生动物进行有针对性保护的关键之一，非侵入式监测是对野生动物进行监测的基本要求，数字影像技术是实现这一基本要求的重要途径之一。……