导读:本文包含了理解监控论文开题报告文献综述及选题提纲参考文献，主要关键词:智能视频监控,神经网络,时空语义建模,多模态信息挖掘
理解监控论文文献综述
黄思羽[1]（2019）在《面向视频监控语义理解的神经网络结构设计》一文中研究指出视频监控系统在公共安全、城市管理等领域发挥着重要的作用。近些年来,深度学习技术迅猛发展,深度神经网络强大的特征表达能力和端到端的训练方式成为了智能视频监控系统的极大助力。在深度学习与智能视频监控技术的结合中,如何设计有效、鲁棒和可靠的神经网络结构是其中亟待解决的核心问题。论文对监控视频中神经网络结构设计的各个方面进行了系统性的研究,涵盖对于视频中的时空语义信息和多模态语义信息进行有针对性的网络结构设计,充分挖掘、建模和融合监控视频中的丰富语义信息。论文还进一步探索了自动化的神经网络结构设计方法。在研究过程中,论文提出了一系列创新性的解决方案,通过实验验证了这些方案的有效性。论文的主要工作和贡献包括以下几个方面:1.深入研究了监控视频中时序和空间语义信息的建模和融合问题。论文研究了时空语义信息的针对性建模,分别针对目标的时序语义信息和场景的空间语义信息提出新的神经网络模型,并应用于目标轨迹预测任务上。论文进一步研究了视频中时序和空间语义信息的联合学习,提出了一种时空网络的多层次级联模型,在视频摘要任务上验证了模型的高层语义理解能力;2.深入研究了监控视频中多模态语义信息的挖掘和联合学习,在行人语义分析的上下文里提出了两个新的多模态场景语义模型,从而从监控场景图像中挖掘丰富的语义信息。论文进一步将多模态场景模型应用在人群计数任务上,以多任务联合学习的方式将这些多模态语义信息融合到深度神经网络模型里,实现密集人群数量的鲁棒估计;3.深入研究了智能视频监控的神经网络结构的自动化设计,提出一种树型神经网络结构的高效搜索方法,通过贪心策略将全局网络结构的搜索分解为局部结构的搜索问题并以迭代更新的方式高效地解决,算法搜索得到的树型结构有效地建模了属性间的相关性,适用于各类多属性预测问题。(本文来源于《浙江大学》期刊2019-04-09）
任桂琴,于月[2]（2019）在《阅读理解监控及其发展特点》一文中研究指出在复杂多层次的阅读理解过程中,涉及许多认知技能,其中阅读理解监控技能是必不可少的一部分。读者在阅读中根据阅读理解目的,不断地对自己的理解进行评估和调节,同时根据获得的信息制定相应的阅读策略并进行调整。本文对阅读理解监控的内涵、研究范式及发展特点等几个方面进行了述评,在分析已有研究不足的基础上,对未来研究提出了展望。(本文来源于《辽宁师范大学学报(社会科学版)》期刊2019年02期）
李加将[3]（2019）在《对电梯轿门独立监控信号的理解与检验》一文中研究指出1轿门独立监控信号的功能及相关要求TSG T7007-2016《电梯型式试验规则》和TSG T7001-2009《电梯监督检验和定期检验规则——曳引与强制驱动电梯》第2号修改单中都对旁路装置提出了要求,尽管GB 7588.1-201×《电梯制造与安装安全规范第1部分:乘客电梯和载货电梯》还没有正式公布,但从讨(本文来源于《中国电梯》期刊2019年03期）
李玉敏[4]（2018）在《自我提问 自我解释 自我反思——学生阅读理解监控策略指导的思考与实践》一文中研究指出阅读理解监控,是指阅读者在进行阅读理解活动的全过程中,将自己正在进行的阅读理解活动作为意识对象,不断对其进行积极的、自觉的监控、分析与调节。它从对阅读理解行为的自我观察、内省开始,比如,意识到自己的阅读目标是什么,采用了什么阅读方法,花费了多长时间,有没有完全理解等,并在此基础上进行自我评价,采取相关措施,调整阅读理解的过程,促进对阅读材料的深入理解。已有大量的研究表明,阅读理解监控策略的运用对阅读能力的发(本文来源于《七彩语文(教师论坛)》期刊2018年06期）
孙旭[5]（2018）在《监控视频中的人脸特征理解和分析》一文中研究指出计算机硬件的发展推动了深度学习技术在图像识别领域的进步,基于卷积神经网络的图像分类,人脸识别方法取得了显着性的成果。近年来,随着人工智能,多媒体等技术的快速发展,监控视频在家庭安防、金融安全、智能出行等领域得到了广泛的应用,基于监控视频中人脸特征的分析成为学者们研究的热点领域。传统研究方法中大多忽视了监控视频对识别实时性能的需求,并且很少同时实现对多种属性的研究以及对属性数据相对较少问题的进一步解决。因此,本文主要对监控视频中的人脸属性分析的实时性和准确性进行研究,并从图像生成角度解决数据量相对较少的问题,进一步优化属性分析的模型。主要研究内容如下:一、从监控视频人脸数据的构成、特点、应用领域和国内外人脸研究的现状等方面,说明了基于监控视频人脸数据进行属性分析的重要意义。总结了对监控视频人脸数据进行属性分析的网络结构的选择方法,详细介绍了基于Multi-task思想的Lighten CNN单网络多目标的网络结构的构建。并阐述了人脸特征分析的几个重要的评价指标。二、使用了基于BEGAN,CycleGAN的人脸属性数据的生成方法。因为现有监控视频数据相对较少,对最终模型的准确率影响较大。为了降低数据对最终人脸属性特征分析结果的影响,结合当前流行的生成对抗网络思想,使用目前在人脸生成领域效果最好的BEGAN网络,进行监控视频中人脸属性数据的生成。在这一策略中,提出用现有监控视频数据与开源数据集CelebA融合的方法,进行BEGAN网络的训练,并使用最优的迭代模型,模拟噪声输入,生成人脸属性数据。将生成的人脸数据添加到原始的监控视频数据集中,基于拓充的数据,进行属性模型的优化。同时,使用CycleGAN模型进行人脸戴眼镜属性,戴口罩属性数据的生成。实验结果表明,生成的人脸属性数据在清晰度和细节程度上都具有较高的真实性,基于拓充的属性数据集,性别模型得到进一步优化。叁、设计了一种基于阈值的模型训练样本拓充的半自动化数据标注策略。因为原始的手工标注方法带来繁重的工作负担。模型训练、样本拓充的方法使用少量人工标注的数据进行训练,通过模型在未标注的数据上进行预测,得到在各个类别上的概率值。基于阈值的策略使得模型对预测概率大于指定阈值的样本进行自动的属性类别标注。实验结果表明,基于阈值的策略在保证数据标注精度的同时,减轻了人工标注的负担,优化了模型的识别效果。最后使用优化的模型进行监控视频人脸序列的可信度分析。(本文来源于《北京化工大学》期刊2018-06-02）
张荣锋[6]（2017）在《智能视频监控中目标的实时跟踪和视频理解的研究》一文中研究指出智能视频监控是计算机视觉领域的一个研究热点。其主要目的是让计算机自动获取感兴趣的目标在哪里,是什么,在干什么,甚至预测感兴趣目标的下一步行为,其重要研究内容主要包括目标的检测、跟踪、识别和行为分析。目前,在复杂场景下,实时跟踪算法的准确性和鲁棒性以及对视频中的事件进行分析和理解仍然不能完全满足应用需求。因此,本文针对上述关键问题进行研究,主要工作概括如下:(1)为了提高目标长期跟踪过程中的鲁棒性,本文提出了基于Haar小波变换的可靠特征点分配(Reliable Point Assignment,RPA)算法。在图像中,具有局部最大小波系数的区域表明该处的图像信号发生了比较大的变化。RPA算法通过搜索局部最大小波系数的位置来获得可靠特征点,这些可靠特征点对图像噪声,光照变化和外观形变等情况都具有鲁棒性。此外在保障跟踪鲁棒性的同时,为了进一步提高跟踪的速度并减少跟踪的误检率,本文提出了基于Kalman滤波器的RPA-TLD(Tracking-Learning-Detection,TLD)算法,通过应用Kalman滤波器与RPA-TLD跟踪器进行融合,预测目标运动信息,从而减少搜索范围和误检测率。(2)为了解决视频转文字存在的建模复杂和准确率低的问题,提出了基于自适应帧采样算法和双向长短时记忆模型BLSTM(Bidirectional Long-Short Term Memory)的视频转自然语言描述的方法。自适应帧采样算法能够动态地调整采样率,以提供尽量多的特征来训练模型。同时,结合双向长短时记忆模型及基于深度卷积神经网络的特征的训练,使得这种网络结构能够学习帧序列在时空上的关联表示及其全局依赖关系,获得前面帧和未来帧的相关信息。帧信息的融合又进一步丰富了特征的种类,从而提升了实验效果。(3)深度BLSTM模型的结构非常复杂,计算的参数太多,导致其所需计算开销较大,为此,本文提出了深度BGRU(Bidirectional Gated Recurrent Unit)模型,以降低模型参数量,当隐藏层节点的数目相同时,深度BGRU的参数数量大约是深度BLSTM模型的参数的四分之叁。同时,通过将两个相邻层特征融合来获得新特征,增加了训练特征的丰富性。针对上述所提方法:本文通过搭建基于OpenCV和Caffe(Convolutional Architecture for Fast Feature Embedding)深度学习框架的智能监控系统,进行了实验验证,结果表明:(1)RPA算法不仅提高了跟踪的准确率,同时更具鲁棒性;将Kalman滤波器和RPA-TLD跟踪器融合,使得平均跟踪速度提高为原TLD的2.05倍,同时还降低了该跟踪器的误检测率,大大提高了算法的性能。(2)基于自适应帧采样和BLSTM模型的视频转文字方法,在蒙特利尔视频注释数据集(Montreal Video Annotation Dataset,M-VAD)和马克斯普朗克信息研究所电影描述数据集(Max Planck Institute for Informatics-Movie Description Dataset,MPII-MD)的实验中,其METEOR评分的均值分别为7.8和8.6,准确率比原S2VT模型分别提高了16.4%和21.1%,同时也提升了视频转自然语言的语言效果。(3)在M-VAD和MPII-MD两个数据集的实验中,新特征和深度BGRU结合的模型则进一步提高了计算效率,训练的时间开销比深度BLSTM模型节省了6.3%,其METEOR评分则提高到8.0和8.4,并体现了较好的泛化能力和鲁棒性。(4)在算法的实时性方面,平均跟踪速度达到22.94帧每秒,视频转文字的平均处理速度为22.89帧每秒,接近PAL制式中25帧每秒的帧率,基本达到实时性要求。(本文来源于《华南理工大学》期刊2017-06-26）
陈婷[7]（2017）在《自我提问训练对小学生阅读理解监控的影响》一文中研究指出自从元认知的概念提出后,研究者就对元认知进行了大量的理论和实证研究。并且教育理论家对元认知与自我调节学习的关系进行了系统的论述,他们认为元认知是自我调节学习的一部分,并对自我调节学习有着积极的作用。阅读活动作为我们获取知识的主要来源之一,也是自我调节学习的重要内容,读者要想顺利的完成阅读任务,离不开元认知的监控过程。研究者将阅读理解学习中的元认知活动称为阅读理解监控,阅读理解监控包括两个过程:监测过程和控制过程。鉴于阅读理解监控对阅读成绩的重要作用,我们可以通过干预训练来提高学习者在阅读理解学习中的元认知监控水平,从而提高其成绩。目前,对阅读理解监测过程研究的比较多,但是综合考虑阅读理解监控两个过程的研究非常少。因此,本研究旨在运用实验法,将成绩预测精确性作为阅读理解监测水平的指标,将任务选择适合性作为阅读理解控制水平的指标,通过自我提问训练对延吉市某所小学的学生进行干预,以探究自我提问训练对小学生的提问水平、阅读理解监控水平以及阅读成绩的作用。研究结论如下:(1)自我提问训练显着提高了小学生在阅读理解学习中的提问数量。(2)自我提问训练显着提高了小学生的成绩预测精确性和任务选择适合性。(3)自我提问训练显着提高了小学生的阅读理解成绩。(本文来源于《东北师范大学》期刊2017-05-01）
曹明,邹红[8]（2017）在《高中生英语阅读理解监控能力的培养策略研究》一文中研究指出随着中国国际地位的提升,英语作为一门国际通用语言,在我们日常生活中的使用频率越来越高。英语阅读一直在高考英语试卷中占据极大比例,除去作文和听力,剩下的题目基本上都是在考查英语阅读能力。因此,教师在讲授过程中,也应该着重培养学生的阅读理解能力。近些年来,随着社会学、教育学、语言学的发展,很多教育者开始倡导学生主导式课堂,让学生化被动为主动,主动去接触知识、去钻研、去学习知识。从而逐渐形成了一种新型阅读方法——阅读理解监控。(本文来源于《校园英语》期刊2017年10期）
刘奂辰,裴晓燕,任鹏程,樊永祥[9]（2016）在《对食品安全国家标准中微生物监控的理解和应用》一文中研究指出《食品安全法》发布后,原有的强制性食品卫生规范正在逐步修订,新发布的《食品通用卫生规范》引入了国际食品行业认可的微生物监控理念,通过强化对生产环境和过程的管理,保证产品最终的安全性,体现了预防为主的原则。本文对国内外食品法规中微生物监控的应用背景、作用、具体实施步骤进行了梳理、分析和探讨,研究在我国食品安全国家标准体系中应用微生物监控的主要规定和考虑因素,分析现阶段在我国食品安全国家标准体系中微生物监控的要求和未来实施的问题,并提出相应的建议,为标准实施提供参考。(本文来源于《中国食品卫生杂志》期刊2016年06期）
杨芳[10]（2016）在《初中生阅读理解监控能力培养的教学策略》一文中研究指出阅读理解监控对阅读理解过程起引导作用,而且理解监控能力的发展会促进理解水平的提高。本文试图通过培养学生的阅读理解监控能力,提高初中生的语文阅读水平,使学生对阅读产生浓厚的兴趣,从"要我读",变为"我要读",阅读心理呈良性发展,增强自主阅读意识。(本文来源于《语文学刊》期刊2016年09期）
理解监控论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在复杂多层次的阅读理解过程中,涉及许多认知技能,其中阅读理解监控技能是必不可少的一部分。读者在阅读中根据阅读理解目的,不断地对自己的理解进行评估和调节,同时根据获得的信息制定相应的阅读策略并进行调整。本文对阅读理解监控的内涵、研究范式及发展特点等几个方面进行了述评,在分析已有研究不足的基础上,对未来研究提出了展望。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
理解监控论文参考文献
[1].黄思羽.面向视频监控语义理解的神经网络结构设计[D].浙江大学.2019
[2].任桂琴,于月.阅读理解监控及其发展特点[J].辽宁师范大学学报(社会科学版).2019
[3].李加将.对电梯轿门独立监控信号的理解与检验[J].中国电梯.2019
[4].李玉敏.自我提问自我解释自我反思——学生阅读理解监控策略指导的思考与实践[J].七彩语文(教师论坛).2018
[5].孙旭.监控视频中的人脸特征理解和分析[D].北京化工大学.2018
[6].张荣锋.智能视频监控中目标的实时跟踪和视频理解的研究[D].华南理工大学.2017
[7].陈婷.自我提问训练对小学生阅读理解监控的影响[D].东北师范大学.2017
[8].曹明,邹红.高中生英语阅读理解监控能力的培养策略研究[J].校园英语.2017
[9].刘奂辰,裴晓燕,任鹏程,樊永祥.对食品安全国家标准中微生物监控的理解和应用[J].中国食品卫生杂志.2016
[10].杨芳.初中生阅读理解监控能力培养的教学策略[J].语文学刊.2016