1. 研究目的与意义（文献综述）

1.1 目的及意义

随着国内轨道交通建设快速发展，大量的地铁施工项目同时进行。轨道交通建设过程工序多、作业人员频繁走动、施工设备多且无序安放，时常会发现人员与机器碰撞或人员无意走进机器作业范围的事故，安全隐患高。目前施工场地上基本安装监控设备，但人工监测存在分神和延迟问题，若监控人员监测不留意、反馈不及时，容易发生严重的安全事故，造成巨大的生命财产损失。智能化的视频监控系统是未来发展的趋势。

近年来以深度学习为核心的目标检测和分类的方法得到广泛应用。利用深度学习的技术，计算机能自动学习图像特征，模仿人类进行图像中目标的识别和分类。将深度学习应用于监控视频预警系统中，能对监控视频中出现的目标进行实时跟踪、分析和类型识别，系统检测到施工人员进入危险范围会自动预警。相比于传统的视频监控系统，监测效果更加精确、及时、人工干预程度低。建立结合深度学习的智能视频监控预警系统，把视频监控从以往的“被动监控”转变为“主动监控”，进一步保障了施工工人生命财产安全，确保施工项目安全进行，降低人工进行监测的成本，具有很好的推广价值。

2. 研究的基本内容与方案

本文研究的是基于yolov2深度网络的地铁施工危险距离视频预警系统，能对视频中的目标进行检测和分类，对出现施工人员进入危险距离的情况及时预警，提高施工过程的安全性。

本课题的研究内容主要是以下几个方面：

1. 基于api获取场景监控视频流，熟悉已有的yolov2模型及检测算法；

3. 研究计划与安排

7学期第20周 毕业设计任务书

8学期第1周 文献检索、开题报告

8学期第2-3周 外文翻译

4. 参考文献（12篇以上）

1. sohn k，jung d y，lee h，et al.efficient learning of sparse，distributed，convolutional feature representations for object recognition［c］∥proceeding of 2011 ieee international conference on computer vision． barcelona: ieee，2011: 2643 － 2650．

2. krizhevsky a，sutskever i，hinton g. imagenet classification with deep convolutional neural networks［c］∥advances in neural information processing systems 25.2012:1106-1114．

3. alex teichman，sebastian thrun. practical object recognition in autonomous driving and beyond [j], stanford university,2011.