《基于神經(jīng)卷積網(wǎng)絡(luò)的智能圖像識(shí)別框架開(kāi)題報(bào)告文獻(xiàn)綜述》

開(kāi)題報(bào)告文獻(xiàn)綜述學(xué)習(xí)中心名稱姓名學(xué)號(hào)

指導(dǎo)教師論文題目基于神經(jīng)卷積網(wǎng)絡(luò)的智能圖像識(shí)別框架一、選題的依據(jù)和意義，研究的主要問(wèn)題，擬達(dá)到的目的、國(guó)內(nèi)外研究現(xiàn)狀（一）選題依據(jù)近年來(lái)，隨著我國(guó)經(jīng)濟(jì)和技術(shù)的不斷發(fā)展，飛機(jī)、高鐵、地鐵等交通工具成為人們現(xiàn)在出行的必要選擇，因此交通安全成為人們關(guān)心的主要問(wèn)題。隨著人口大量的流動(dòng)，人們攜帶的行李物品的種類也越來(lái)越豐富，同時(shí)危險(xiǎn)品的種類越來(lái)越繁多，為保證大型公共場(chǎng)所安全，危險(xiǎn)品的檢測(cè)工作越來(lái)越重要，依托X射線的安防裝備的使用頻率也越來(lái)越高。目前，針對(duì)危險(xiǎn)物品的識(shí)別任務(wù)主要依賴于安檢工作員人眼人工識(shí)別安檢圖像，存在易疲勞、易漏判、效率低等問(wèn)題。隨著當(dāng)前安防場(chǎng)所的大量增多，利用計(jì)算機(jī)圖像識(shí)別技術(shù)對(duì)安檢圖像進(jìn)行識(shí)別己成為該領(lǐng)域未來(lái)的發(fā)展方向。通過(guò)計(jì)算機(jī)圖像識(shí)別技術(shù)對(duì)安檢圖像內(nèi)容進(jìn)行自動(dòng)識(shí)別是一種安全可靠的識(shí)圖方式，該技術(shù)可大大提高安防裝備工作效率，提升安檢工作準(zhǔn)確性，減少漏判，利用該技術(shù)智能化識(shí)別危險(xiǎn)品己成為該領(lǐng)域技術(shù)的制高點(diǎn)和將來(lái)的發(fā)展趨勢(shì)。（二）選題意義本文將人工智能技術(shù)應(yīng)用于目前的安防裝備當(dāng)中，通過(guò)搭載安防裝備，智能的識(shí)別安檢圖像中危險(xiǎn)品種類和位置，并能夠?qū)Π矙z圖像中存在的危險(xiǎn)品進(jìn)行自動(dòng)報(bào)警，應(yīng)用人工智能技術(shù)實(shí)現(xiàn)安檢圖像的半自動(dòng)化識(shí)別任務(wù)，從而達(dá)到保證公共安全的目的。本次課題從安防領(lǐng)域著手，促進(jìn)科技技術(shù)向先進(jìn)產(chǎn)品轉(zhuǎn)化，將人工智能技術(shù)與實(shí)際生產(chǎn)需求相結(jié)合，在傳統(tǒng)安防裝備的硬件基礎(chǔ)上進(jìn)行產(chǎn)業(yè)升級(jí)，提升智能化服務(wù)水平，努力建設(shè)安全高效的智能化安檢體系結(jié)構(gòu)，完善智能化安檢裝備智能安檢功能。（三）研究的主要問(wèn)題現(xiàn)有的X射線安檢設(shè)備只能對(duì)檢測(cè)物體進(jìn)行物質(zhì)分類，如有機(jī)物、無(wú)機(jī)物、混合物、金屬、液體等，而對(duì)于檢查物體的具體功能分類仍然需要安檢人員進(jìn)行肉眼觀察識(shí)別，由于人會(huì)出現(xiàn)視覺(jué)疲勞或者受到一些其他因素的干擾，時(shí)常會(huì)出現(xiàn)錯(cuò)檢和漏檢現(xiàn)象。因此本文將把X射線安檢圖像作為研究對(duì)象，完成自動(dòng)識(shí)別定位安檢圖像當(dāng)中的危險(xiǎn)品的功能，以減少漏檢現(xiàn)象同時(shí)以減輕安檢人員的壓力為目標(biāo)，來(lái)進(jìn)行本文的研究。（四）擬達(dá)到的目的智能化危險(xiǎn)物品識(shí)別以深度學(xué)習(xí)人工智能技術(shù)為基礎(chǔ)，結(jié)合X光安防裝備掃描圖像作為數(shù)據(jù)庫(kù)支撐，實(shí)現(xiàn)安檢機(jī)智能識(shí)別危險(xiǎn)品并進(jìn)行報(bào)警的功能。此課題的研究和實(shí)施不僅可以實(shí)時(shí)的在安檢屏幕上顯示安檢圖像供安檢人員查看，而且能夠把危險(xiǎn)品位置和種類標(biāo)記出來(lái)使危險(xiǎn)品的識(shí)別準(zhǔn)確率大幅提升，顯著提升安檢效率，減少了安檢人員的壓力。目前，尚未有基于人工智能技術(shù)的成型安檢產(chǎn)品廣泛使用，此項(xiàng)目在人力成本節(jié)約、安檢人員工作考量等方面具有積極作用，未來(lái)可能給整個(gè)安檢行業(yè)帶來(lái)全新工作模式，從目前的手動(dòng)人工識(shí)別轉(zhuǎn)向半自動(dòng)甚至全自動(dòng)識(shí)別，發(fā)展前景廣闊。（五）國(guó)內(nèi)研究現(xiàn)狀1.X射線圖像檢測(cè)研究現(xiàn)狀在國(guó)內(nèi)的安檢設(shè)備當(dāng)中，己經(jīng)研究出針對(duì)爆炸物和毒品的檢測(cè)系統(tǒng)，但是由于技術(shù)不完善且價(jià)格昂貴，并不適合大面積普及應(yīng)用。中國(guó)人口眾多，尤其逢年過(guò)節(jié)客流量就更多，同時(shí)安檢的壓力也就更加巨大。市場(chǎng)上現(xiàn)有的產(chǎn)品不僅存在漏檢和誤檢現(xiàn)象而且越是檢測(cè)準(zhǔn)確的價(jià)格也越昂貴，現(xiàn)在市面上尚未呈現(xiàn)能自動(dòng)辨認(rèn)針對(duì)各種危險(xiǎn)品的設(shè)備，并且大都需要進(jìn)行半人工辨認(rèn)，目前國(guó)內(nèi)的安檢技術(shù)還有很大的發(fā)展空間，安檢設(shè)備的改進(jìn)也非常需要。2.深度學(xué)習(xí)的研究現(xiàn)狀2012年，華為在中國(guó)香港建立了一個(gè)專注于人工智能領(lǐng)域數(shù)據(jù)挖掘的諾亞級(jí)實(shí)驗(yàn)室。2014騰訊建立深入學(xué)習(xí)平臺(tái)ICML，快速人工智能“互聯(lián)網(wǎng)+”的發(fā)展，這是在2016年啟動(dòng)。該方案明確表明需要推廣使用人工智能技術(shù)的視覺(jué)處理，語(yǔ)音處理，生物處理和自然語(yǔ)言處理領(lǐng)域，促進(jìn)人類的食物，衣著，住房，交通，以及加快自主創(chuàng)新和創(chuàng)業(yè)能力建設(shè)的人工智能運(yùn)用人工智能。這表明人工智能的重要性已超越自身，并已成為中國(guó)戰(zhàn)略成功的一部分。（六）國(guó)外研究現(xiàn)狀1.X射線圖像檢測(cè)研究現(xiàn)狀國(guó)外在安檢領(lǐng)域的研究己經(jīng)有許多年了，其中計(jì)算機(jī)cT斷層技術(shù)由于快速、準(zhǔn)確等特征很符合安檢的要求。美國(guó)在90年代初，通過(guò)對(duì)醫(yī)學(xué)cT技術(shù)的研究開(kāi)始把CT技術(shù)應(yīng)用到爆炸物品檢測(cè)上，但是由于目前的cT技術(shù)安檢系統(tǒng)的掃描孔徑比較小，限制了大包裹檢測(cè)，雖然國(guó)外己經(jīng)出現(xiàn)了80cm掃描孔徑，但是這類設(shè)備價(jià)格也很昂貴，不適合普及使用。英國(guó)的交通部和美國(guó)的交通局，都己經(jīng)把x射線多視角安檢設(shè)備作為新一代的主流安檢設(shè)備。x射線多視角安檢設(shè)備，可以向安檢人員報(bào)告行李物品里是否存在可疑的危險(xiǎn)物品，并顯示他們的形狀、背景和顏色等，安檢人員通過(guò)這些顯示的特征再根據(jù)自身經(jīng)驗(yàn)憑借肉眼觀察圖像，從而判斷出可疑危險(xiǎn)品是否真正可疑，對(duì)不確定的物品要進(jìn)行開(kāi)包檢查。2.深度學(xué)習(xí)的研究現(xiàn)狀2010年，國(guó)防部辦公室的首次美國(guó)能源部資助了深入的學(xué)習(xí)研究，包括紐約大學(xué)，斯坦福大學(xué)和美國(guó)學(xué)院，所有這些都積極參與了研究。2011年，斯坦福大學(xué)人工智能實(shí)驗(yàn)室吳恩達(dá)谷歌為首的科學(xué)家受益16000個(gè)計(jì)算機(jī)模擬人腦的神經(jīng)網(wǎng)絡(luò)，并獲得來(lái)自YouTube的教練神經(jīng)網(wǎng)絡(luò)的視頻，當(dāng)圖像被搜索的視頻，只需輸入名稱和神經(jīng)元的形象網(wǎng)絡(luò)可以自動(dòng)識(shí)別視頻中的圖像。就在同一年，微軟的語(yǔ)音識(shí)別軟件達(dá)在語(yǔ)音識(shí)別領(lǐng)域十余年來(lái)最大的突破，并減少了約25％的軟件語(yǔ)音識(shí)別錯(cuò)誤率，假設(shè)一個(gè)深度學(xué)習(xí)技術(shù)。二、研究方法、研究步驟和所需條件（一）研究方法：1.文獻(xiàn)研究法，大量閱讀有關(guān)智能圖像識(shí)別相關(guān)的文獻(xiàn)，為論文寫作打好基礎(chǔ)。2.實(shí)驗(yàn)研究法，通過(guò)實(shí)驗(yàn)論證基于卷積神經(jīng)網(wǎng)絡(luò)智能圖像識(shí)別框架模型，以及檢驗(yàn)基于卷積神經(jīng)網(wǎng)絡(luò)智能圖像識(shí)別框架的性能。（二）研究步驟：首先對(duì)卷積神經(jīng)網(wǎng)絡(luò)和目標(biāo)檢測(cè)技術(shù)進(jìn)行介紹，總結(jié)卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn)和訓(xùn)練方法。根據(jù)課題實(shí)際需求，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)射線圖像識(shí)別系統(tǒng)模型。其次，重點(diǎn)研究FasterR-CNN模型，并對(duì)FasterR-CNN模型里面的RPN網(wǎng)絡(luò)進(jìn)行改進(jìn)。最后，利用設(shè)計(jì)好的安檢圖像識(shí)別模型，設(shè)計(jì)并實(shí)現(xiàn)一套能應(yīng)用在物品安檢機(jī)上的軟件識(shí)別系統(tǒng)。當(dāng)X射線安檢設(shè)備掃描物體的時(shí)候，實(shí)時(shí)監(jiān)測(cè)被檢測(cè)物品里是否含有危險(xiǎn)物品，并對(duì)危險(xiǎn)品進(jìn)行實(shí)時(shí)定位識(shí)別。（三）所需條件1、在學(xué)校圖書館中有良好的資料庫(kù)，并通過(guò)網(wǎng)絡(luò)能夠根據(jù)研究需要便捷地搜索和下載與本課題相關(guān)的資料，為課題研究提供了充分詳盡的理論資源。2、在學(xué)校學(xué)習(xí)了與課題相關(guān)的各項(xiàng)專業(yè)課程，已經(jīng)具備了完成課題研究所需要的相關(guān)專業(yè)知識(shí)。3、在指導(dǎo)老師的悉心指導(dǎo)下，運(yùn)用專業(yè)知識(shí)及相關(guān)的科學(xué)研究方法，通過(guò)自身努力，嚴(yán)格按照論文寫作階段計(jì)劃執(zhí)行，不斷修改和完善文章的內(nèi)容，確保文章的寫作順利地開(kāi)展和完成。三、工作進(jìn)展、研究工作進(jìn)展計(jì)劃：2021年12月與指導(dǎo)教師見(jiàn)面商討論文選題，撰寫選題審批表、開(kāi)題報(bào)告；2022年1月市場(chǎng)調(diào)研并進(jìn)行數(shù)據(jù)分析2022年2月收集、整理、分析研究資料、論文初稿；2022年3月初論文二稿2022年3月中下旬論文定稿并查重、整理、打印、裝訂、交稿；2022年3月底完成畢業(yè)論文答辯稿和PPT，準(zhǔn)備答辯2022年4月初完成答辯四、參考文獻(xiàn)[1]余永維,殷國(guó)富,殷鷹,etal.基于深度學(xué)習(xí)網(wǎng)絡(luò)的射線圖像缺陷識(shí)別方法[J].儀器儀表學(xué)報(bào),2014,35(9):2012-2019.[2]高常鑫,桑農(nóng).基于深度學(xué)習(xí)的高分辨率遙感影像目標(biāo)檢測(cè)[C]//第二屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì).0.[3]段金菊,余勝泉.學(xué)習(xí)科學(xué)視域下的e-Learning深度學(xué)習(xí)研究*[J].遠(yuǎn)程教育雜志,2013(4).[4]高常鑫,桑農(nóng).基于深度學(xué)習(xí)的高分辨率遙感影像目標(biāo)檢測(cè)[J].測(cè)繪通報(bào),2014(S1):108-111.[5]孫志軍,薛磊,許陽(yáng)明.基于深度學(xué)習(xí)的邊際Fisher分析特征提取算法[J].電子與信息學(xué)報(bào),2013(4).[6]段金菊.e-Learning環(huán)境下促進(jìn)深度學(xué)習(xí)的策略研究[J].中國(guó)電化教育,2012(5):38-43.[7]袁冰清,陸悅斌,張杰.神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)基礎(chǔ)[J].數(shù)字通信世界,2018,No.161(05):40-41+70.[8]焦李成.神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論[M].西安電子科技大學(xué)出版社,1990.[9]閻平凡,張長(zhǎng)水.人工神經(jīng)網(wǎng)絡(luò)與模擬進(jìn)化計(jì)算[M].清華大學(xué)出版社,1900.[10]張乃堯,閻平凡.神經(jīng)網(wǎng)絡(luò)與模糊控制[M].清華大學(xué)出版社,1998.[11]馮夏庭,張治強(qiáng),楊成祥,etal.位移反分析的進(jìn)化神經(jīng)網(wǎng)絡(luò)方法研究[J].巖石力學(xué)與工程學(xué)報(bào),1998,18(05):529-529.[12]HongtaoZ,HanpingM,DaoyinQ.Featureextractionforthestored-graininsectdetectionsystembasedonimagerecognitiontechnology[J].TransactionsoftheChineseSocietyofAgriculturalEngineering,2009,25(2):126-130.[13]KuriharaN,NishikawaM,WatanabeA,etal.Acombustiondiagnosismethodforpulverizedcoalboilersusingflame-imagerecognitiontechnology[J].IEEEPowerEngineeringReview,2010,PER-6(6):45-46.[14]RosenfeldA,MilgramD.Algorithmsandhardwaretechnologyforimagerecognition[J].Algorithms&HardwareTechnologyforImageRecognition,1978.[15]ChengF,ZhangH,FanW,etal.ImageRecognitionTechnologyBasedonDeepLearning[J].WirelessPersonalCommunications,2018(C):1-17.[16]楊海濤.圖像識(shí)別技術(shù):機(jī)械工業(yè)出版社.[17]王波濤,蔡安妮,孫景鰲.生物圖像識(shí)別技術(shù)及其應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì),2001,22(4):78-82.[18]陳強(qiáng).基于組合矩和神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別技術(shù)研究[D].南京理工大學(xué),2007.[19]彭淑敏.神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù)研究與實(shí)現(xiàn)[D].西安電子科技大學(xué),2005.[2