崔立波 曹玉莹

（长春建筑学院 吉林省长春市 130604）

为了满足视频监控应用需求，要结合数字化技术模式，融合人工智能、云计算以及大数据技术，积极推动多元监控防护体系，建立物体追踪模式、人物脸部识别机制等，从而更好地提升安全检测工作的实效性。

1 计算机视觉背景下安全检测技术的理论依据

在基于计算机视觉背景下落实安全检测技术处理的方案中，卷积神经网络是最关键的核心技术要求。借助可学习的权重和偏置神经元完成信息的传递，从而提取相应的特征。

1.1 整体结构

相较于普通的神将网络，卷积神经网络（图1）在应用中则匹配更多的神经元，不同的神经元有独立的权重和偏置参数，神经元要接收前一级若干个结果后，利用累积数值求和进行函数和偏置数值的激活，然后开始计算分析，最终获得的运算结果就是整个神经元的响应结果。

由图可知，出克输入层和预处理层，卷积神经元分为七层，不同层级的参数权重和偏向数值各有不同，输入图像的大小为32×32，其中，C1 层和C3 层是卷积层、C5 和C6 是全连接层，核体为5×5 矩阵模式。S2 层和S4 层为池化层，具备2×2 的感受野，且相应的状态并未重叠出现。需要注意的是，卷积核若是发挥功效，能进一步强化特征信号，且能有效降噪[2]。

1.2 局部感知模式

对于人体而言，视觉系统是自主性稳定自发的过程，而在视觉背景下落实检测技术模式，要将神经元感受区域信息刺激作为获得信号的关键，神经元只有建立完整的局部感知内容，才能在高层级完成局部信息的汇总，从而获取全局信息[3]。……