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。

1.2 目标检测与识别技术研究现状分析

传统的目标识别^[1]和检测方法是基于人工设计的特征提取器，通过提取Haar、HOG、LBP等特征，训练分类器，达到目标检测的效果，但是人工设计的特征难以适应目标特征的大幅度变化。2012年，深度学习在图像识别领域取得惊人的突破，深层卷积神经网络在大规模的图像数据集ImageNet比赛中将错误率一下子下降了10%^[2]。随后深度学习的目标检测效果也超越了传统的检测方法。深度学习的网络模型可以从大量的图像数据库中学习目标的特征，提高目标识别的效果。

国外将深度学习应用于目标识别技术起步较早，如自动驾驶^[3]技术研发中物体识别系统。装在车辆上的物体识别系统自动检测前方出现的行人、车辆、建筑、绿化等，计算机进一步将信息融合后发出车辆行驶的指令。除此之外深度学习还广泛应用于机器人^[4]、智能家居^[5]等领域。

智能视频监控系统是目标检测与识别技术的应用领域。随着深度学习的不断发展，其在视频监测领域中的应用也越来越多，如在烟草仓库中引入人工智能的监控预警系统，对烟草环境实时24小时监控，及时发现烟草仓库中的火源并预警^[6]；在交通方面可以用于检测视频中车型、车牌，协助交警部门进行交通管理^[7];在社区安全监管方面，引入了智能化的视频监控系统，实现视频中的特殊人群和车辆检测，对设定人群、车辆及时发出安全预警，提高社区的安全程度，对于建设“智慧社区”有很大的实用性^[8]。

目前主流的深度网络结构有RCNN^[9]、Fast-RCNN^[10] 、Faster-RCNN^[11] 到YOLO^[12] ，目标检测的准确率和速度都达到了新的高度。其中YOLO 网络是目前最优秀的目标检测架构之一，在检测实时性方面表现尤为突出。YOLO是一个端到端的目标检测网络，核心思想就是利用整张图片作为网络的输入，直接在输出层回归 bounding box 的位置和 bounding box 所属的类别，放弃了提取 region proposal 的步骤，使得速度获得很大程度提升，YOLO 达到了 45 帧每秒。YOLOv2^[13]则是在YOLO的基础上，用联合训练算法训练出来的，这一网络结构可以实时检测超过9000种物体分类。与YOLO一代相比，YOLOv2除了性能有所提高外，其运算速度也表现惊人。在检测速度为67fps情况下，YOLOv2在VOC2007数据集上平均准确率可以达到76.8%^[14]。将YOLOv2的深度学习网络应用在视频监测系统中，实时性好，准确率高。

基于YOLOv2突出的性能，本次研究主要是基于YOLOv2网络进行的。