1. 研究目的与意义（文献综述）
随着交通的便利和人口的增长，在监控方面的工作量日趋庞大。依靠监控人员盯守监控设备的传统方式，已经无法满足部分场合在精密性、实时性上的要求。因为监控人员疲惫、疏忽，或者储存设备容量小、意外损坏等问题带来的安全隐患已经逐渐为人所重视。20世纪末以来, 随着计算机视觉的发展, 智能视频监控技术得到广泛的关注和研究，也成为当前的研究热点。智能视频监控包括在底层上对动态场景中的感兴趣目标进行检测、分类、跟踪和识别, 在高层上对感兴趣目标的行为进行识别、分析和理解.智能视频监控技术可以广泛应用于公共安全监控、工业现场监控、居民小区监控、交通状态监控等各种监控场景中, 实现犯罪预防、交通管制、意外防范和检测、老幼病残监护等功能, 能够显著提高监控效率, 降低监控成本, 具有广泛的研究意义和应用前景。
目前，海边的产业园区也存在监控需求。由于园区内存放有大量易燃易爆物品，而非作业船只的渔船闯入园区附近捕鱼，将产生消防安全隐患。但园区附近的海面难以进行有效的围蔽，因而无法直接阻挡非法船只的闯入，所以本设计旨在建设一套基于视频识别的渔船入侵预警系统，二十四小时监测园区附近海面，及时发现非法入侵的船只并进行警告。
然而，园区内除了可能出现的非法入侵渔船，还有正常作业船，需要根据计算机通过目标检测的方法加以区分。传统的目标检测方法主要有基于像素分析、特征匹配、频域和识别的检测方法，采用人工手动提取特征信息，无法避免在此过程中存在特征信息不完整的问题，从而导致识别效果较差。具体而言，基于滑动窗口的目标区域检测方法耗时长、窗口存在冗余；基于手工提取的特征信息在面对环境多样性的变化条件下鲁棒性较差；对于大数据的视频或图片信息的处理能力较差，计算能力有限。
2. 研究的基本内容与方案
基本内容及目标
本毕业设计基于python语言进行程序编写，在anaconda平台上使用pycharmide开发，采用深度学习的机器学习模型，设计研究在此模型下的视频识别以及定位追踪算法，通过有监督的样本训练和参数调试，实现基于深度学习的非法入侵船只的视频识别和追踪预警系统。
3. 研究计划与安排
第1-3周：查阅相关文献资料，了解研究深度学习、视频识别和追踪相关理论基础。确定实现方案，完成开题报告。
第4-5周：掌握课题相关的基本理论，完成英文文献的翻译，熟悉python与课题相关工具软件的使用。
4. 参考文献（12篇以上）
[1]黄凯奇,陈晓棠,康运锋,谭铁牛.智能视频监控技术综述[j].计算机学报,2015,38(06):1093-1118.
[2]罗元,王薄宇,陈旭.基于深度学习的目标检测技术的研究综述[j].半导体光电,2020,41(01):1-10.
[3]zhu d,luo y,dai l,et al.salient object detection via a local and global method based on deep residual network[j].j.of visual commun.and image represent.,2018(54):1-9．
[4]zhang z,qiao s,xie c,et al.single-shot object detection with enriched semantics[c]//the ieee conf.on computer vision and pattern recognition,2018:3610-3621．
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
