基于深度学习的监控视频目标检测方法研究

重庆师范大学 梁巧

从我国当前监控视频的目标检测情况可见，传统的视频目标检测方式都是通过背景减除法和光流场法等，这不仅会耗费大量的人力、物力和精力，还无法精确地检测出监控视频目标，不利于我国监控行业的现代化发展，更无法满足人们对于高安防标准的需求。为有效地改善这种不良监控问题，我国相关的城市监控部门研究人员，应基于深度学习对监控目标检测技术深度研究，以某高校校园中的监控视频为对象，对SSD网络如何有效地运用于监控视频场景中的目标检测进行研究，以保障能研究出有效的目标检测技术，以基于图像区域划分和SSD相结合的目标检测方法，有效地保障城市监控目标检测效果。

一、SSD目标检测的实现

（一）SSD网络

固态硬盘简称SSD，是一种主要以闪存（NANDFlash）作为永久性存储器的计算机存储设备。固态硬盘由控制单元和存储单元（FLASH芯片、DRAM芯片）组成，被广泛应用于工控、视频监控、网络监控、网络终端和导航设备等诸多领域。相对于机械硬盘，固态硬盘有着较高的读写速度，但成本也相对较高。将其运用到基于深度学习的监控视频目标检测技术研究之中，可以实现对检测技术应用效果的有效保证。

根据本文对高校监控视频的实际研究情况来说，相关的研究人员可以选择SSD300×300的网络结构，以此对监控视频中的图像进行处理和选择，使研究人员能够实现对SSD目标检测的有效运用，使其能够研究出有效的监控视频目标检测技术，为后续开展检测技术的研究工作提供有力的技术与数据支撑。

（二）用于网络训练的数据集选取

为保障SSD目标检测的实现，相关的研究人员应基于深度学习的视角下，将其运用到网络训练的数据集选取工作之中，使其能够将SSD分别运用到各个网络之中，对不同区域图像目标进行有效检测，以保障区域候选框的生成效果，能够真正与目标标记框的位置相匹配，以实现对监控视频目标检测技术的有效运用。而且相关的研究人员还应提前根据实际的研究情况，设置相应的具有固定大小的边界框，使其能够成功地生成与目标框一致的数据。本文将训练图像数据作为标记框，通过SSD对标记框的识别，到网络训练的数据集中选取相应的数据，以检测SSD网络与区域划分结合的有效运用技术，加强对监控视频目标检测技术的研究效果。

（三）SSD网络训练

所谓SSD网络训练的过程，就是优化所预测的网络函数的过程，在这个过程汇总能够有效地计算损失函数，对实际所测函数进行有效记录和计算，以保障实际开展监控视频目标检测的效果。因此，相关的监控视频研究人员应重视SSD网络训练，结合对高校网络检测技术的研究情况，科学合理地对SSD进行网络训练，使其能够在反复训练的过程中，直观与准确地预测出损失函数的数值，使相关的研究人员能够依据损失函数有效地开展试验，使SSD的网络性能能够保持在合理与良好的范围之内，使整个监控视频目标检测工作都能得以有效地开展。

二、基于SSD的监控视频目标检测

SSD网络是一种高效的视频目标检测技术，但是在被实际运用到监控视频目标检测工作的过程中，难免会因监控系统面临的复杂环境和工作，产生各种监控视频目标检测问题。因此，相关的城市监控部门应开展对基于SSD网络下监控视频目标检测的有效研究，以研究出有效的运用SSD网络的方法，以及有效的监控视频目标检测技术。其具体研究如下：

（一）监控视频的特点

视频监控是安全防范系统的重要组成部分，它是一种防范能力较强的综合系统。视频监控以其直观、准确、及时和信息内容丰富而广泛应用于许多场合。近年来，随着计算机、网络以及图像处理、传输技术的飞速发展，视频监控技术也有了长足的发展。

但是在基于SSD网络下运用监控视频目标检测技术的过程中，往往会因天气明亮度的影响，对监控视频清晰度产生影响，进而会影响到SSD网络对目标检测的效果，使目标无法被清晰地分析处理，用于实际的安防监控之中。因此，相关的研究人员应进行对白天和夜间监控视频目标检测效果的分析，根据实际的视频图像检测技术，设计相应的监控视频目标检测参数，以保障实际开展监控视频的效果。

（二）SSD网络用于监控视频目标检测

SSD网络在用于监控视频目标检测设计的情况可见，在开展对白天和夜间监控视频目标检测的过程中，可以运用120000次时的SSD进行检测，对实际测试准确率进行检测，在实际开展检测工作的过程中，还需将之前输入的SSD缩小，以保障其能被有效地运用到预测图像之中。从测试结果中可以看出，存在El标细节丢失严重，而且监控视频中的目标图像同样存在着丢失严重的问题，这就使得相关的研究人员无法得到准确地检测结果，这非常不利于我国监控行业的健康发展。相关的研究人员应针对当前的这种问题进行积极研究，以研究出真正有效的监控视频目标检测技术。

（三）SSD网络在监控视频目标检测中存在的问题

从上文中SSD网络在监控视频目标检测的实际情况可见，SSD网络对小目标的检测能力较弱和图像缩放引起的目标几何失真，是存在于监控视频目标检测中的重要问题。一旦这两个问题无法得到及时地解决，就会使监控视频目标检测技术失去其实际的运用效果和价值，无法满足人们对于城市安防系统的实际安全需求。

因此，相关的研究人员应根据监控视野范围小，产生的对小目标检测能力弱；监控视频分辨率低，产生的影响图像失真等问题，进行相应的深度研究，基于深度学习研究相应有效的检测技术。

三、基于图像区域划分和SSD网络的监控视频目标检测

对于SSD网络在监控视频目标检测中存在的问题，相关的研究人员可以基于图像区域划分和SSD网络下进行相应的深度研究，研究出有效解决这些问题的方法，使监控视频目标检测效果能够得到有效的保障。

（一）图像区域划分

针对基于SSD网络下监控视频目标检测技术，对于小目标检测效果薄弱的问题，相关的研究部门可以通过增大目标的方法，将图像区域划分为若干个子区域，在子区域中加入相应的监控图像，使小目标能够成功地等比例转化为大目标，有效地发挥出SSD网络的清晰影像效果，使其能够加强对小目标的检测效果，实现对小目标的成功检测。

同时，相关的检测部门还需对检测人员进行有效培训，使其能够严格地按照检测目标的大小进行相应的图像区域划分设置，有效避免因检测人员的工作能力不足各种影响监控视频目标检测效果的问题，从而有效地保障对大小目标检测的效果。

（三）目标在图像中所占比例对检测效果的影响

为有效解决在SSD网络下产生的图像失真的问题，相关的研究人员可以根据目标在图像中所占比例，对检测效果影响进行深度研究，通过基于深度学习下对监控视频目标检测技术的深度研究，研究出符合整个监控网络目标检测需求的不同图像区域，使其能够对各个不同区域的图像进行清晰和准确的检测，进一步加强监控视频目标检测技术的应用效果。

同时，相关的研究人员还需对监控视频中大小目标检测效果进行深度研究，使其能够分析图像划分与检测效果之间的问题，通过合理地划分图像，以保障监控视频目标检测能够真正达到预期的效果，实现人们对安防监控系统的运用需求。

（四）监控视频目标检测效率提升策略

为提高监控视频目标检测技术的实际运用效果，相关的研究人员还研究出了将图像区域划分与SSD网络结合到一起的方法，通过对这两种技术的整合运用，不仅有效地增加了目标图像在整个监控视频中所占的比例，还有效地提高了图像检测的清晰度和准确率，是一种更为高效的监控视频目标检测技术。

而在人们的实际生活中，所需要的是运用监控视频对各个目标实施检测，以保障当发生不良事件的时候，能够第一时间通过监控视频锁定嫌疑人，进行相应的安防工作，保障社会的治安和稳定。所以，为有效提升监控视频目标检测的效率和效果，相关的研究人员运用对各子区域中目标出现的频率进行统计的策略，进行了相应的深度学习研究，在研究的过程中发现，通过对这种结合检测技术的运用，有效地节省了检测的时间，而且检测图像的准确度得到了高效保障。

相关的城市监控部门应积极地将图像区域划分技术、SSD网络技术，以及SSD网络和图像区域划分结合技术，合理地运用到城市的各个监控视频之中，运用各个检测技术的优势，尽量避免其劣势造成的对于检测结果的影响，随之不断加强对城市安防效果的保证，促使我国社会的安全、稳定与健康发展。

四、结束语

综上所述，研究新型的监控视频目标检测技术，是我国监控事业发展的必然趋势，对于我国的城市现代化建设与发展至关重要。相关的城市监控部门应树立正确的监控技术研究意识，对基于深度学习的SSD网络实现了校园监控视频中进行深度研究，经研究可见，通过基于SSD的监控视频研究目标检测技术，有效地实现了监控视频中的目标检测，相关的城市监控部门应将其合理地运用到城市监控行业之中，从而促使我国监控事业的智能化与现代化发展。