李泽华

（武警重庆总队，重庆 401147）

0 引言

随着科学技术的不断进步和国家平安城市、雪亮工程、智慧城市建设等政策的大力推动，视频监控已经从专业领域普及到大街小巷，被广泛应用于社会治安、道路交通、智能家居等场景，为维护社会稳定、保障安全生产生活提供了有力帮助[1]。根据美国知名研究机构IHS提供的数据，2021年后全世界将有超过10亿支监控摄像头全时工作，其中50%的监控探头坐落在中国[2]。当前部署的视频监控系统具有同步监视和远程控制等功能，可根据时间、地点、人物等信息进行调阅查看，但实时监管、影像回放、发出警报等系列动作一般由专人操作，智能化程度还不够高。随着监控设备和监控对象的不断增加，监控视频数据呈指数级增长，人为操作不仅耗费大量人力、物力和财力，而且极有可能出现迟报、漏报、误报等情况，难以做到全时监控预警，不能满足现代社会对视频监控系统日益增长的需求[3-4]。

近年来，得益于计算机性能、GPU加速技术的快速发展和提升，深度学习网络展现出优异的特性，在自然语言、时间序列、计算机视觉等任务中取得了较好成绩。LeNet、AlexNet、VGG、GoogleNet、ResNet等各种不同结构的深度学习网络被相继提出，网络结构从5层、8层、19层、22层，增加到上百层，大幅提升了学习预测能力，识别精度和时间成本也有了较大改善，特别是CNN模型中手写数字识别准确率最高达到了98%，为实现视频监控全时预警提供了思路[5]。受暴力视频检测启发[6]，本文拟将监控视频细分为不同的场景，利用预先训练好的深度学习网络模型对监控视频进行特征提取、分类预测，形成预警信息后推送至监控视频调度中心。……