大学生创新创业训练项目结题报告书.docx

《大学生创新创业训练项目结题报告书.docx》由会员分享，可在线阅读，更多相关《大学生创新创业训练项目结题报告书.docx（5页珍藏版）》请在优知文库上搜索。

1、大学生创新创业训练项目结题报告书项目名称：基于边缘计算和群智算法的智能视频监控系统项目负责人：卢建君专业班级：信息安全（TC班）所在学院：计算机学院起止年月：2019-05-01至2020-05-01E-mail：填表日期：2020年6月22日国防科技大学一、基本情况项目名称基于边缘计算和群智算法的智能视频监控系统项目类型创新训练团创业训练口创业实践口成果形式原型系统立项时间2019年06月05日完成时间2020年06月15B验收时间2020年06月30日项目主要研究人员序号姓名学号专业班级所在学院项目分工1卢建君TC教改班计算机学院边缘计算技术研究2马劭聪计算机科学与技术计算机学院群智算法在

2、监控器上的应用3赵泽宇网络工程计算机学院搜集资料撰写文档4林浩铭信息安全（网电）计算机学院搭建监控网络并测试二、项目执行情况简介云化核心网络架构的智能监控系统具有计算速度快、视频信息处理能力强的特点,但随着监控网络的扩大，数据量终会超过集中处理模式的处理能力。我们创新提出利用边缘计算的方法，将部分云计算的功能分摊到边缘节点，从而进一步提高计算速度,具有超低时延、超高带宽、实时性强等特征。应用群智算法协同边缘设备之间的通信和计算，对于单独的边缘节点不需要复杂的智能算法，整个监控系统仍能具有较高的智能水平。针对集中处理模式（单纯依靠云服务器进行计算）计算速度不够快、延迟较高、对云服务器性能要求高的

3、问题，我们主要对边缘计算技术在现有智能视频监控系统中的应用展开创新研究，并研究将群体智能算法应用在该系统上，最终开发一个拥有若干监控器的小型视频监控系统。利用智能手机作为边缘设备（一台手机管理若干监控器）；或直接利用智能化程度较高的监控器作为边缘设备，将不同类型的边缘设备与服务器（云端）和监控器（终端）连接，组建监控网络。在终端设备的层次上进行编程，探索使用合适的群体智能算法（例如蚁群算法）协同边缘设备，使智能视频监控系统能够高效识别并追踪预设定的目标。本项目将边缘计算技术运用到现有的智能视频监控系统中，利用边缘设备已有的计算能力，有效降低视频流的传输与存储成本，分摊云中心的计算和存储压力，实

4、现效率最大化，同时使终端实现了低延时和快响应。本系统基于边缘计算技术，并结合群体智能算法，研究新一代面向5G通信的智能视频监控系统，这将从根本上解决现有智能视频监控系统处理能力有限、延迟较高的问题。将该项目的思想应用在视频监控网络中，不但能够极大地降低信息传输系统和后端设备的负担，同时还能够提升整个监控系统的响应速度，为安全监控领域一直提倡的“事前预警、事中制止、事后复核”理念走向现实提供最有力技术支撑。由于本系统涉及的知识面和技术较广，我们对所需研究和设计的各项工作进行了分工。其中卢建君负责边缘计算技术研究，马劭聪负责群智算法在监控器上的应用，赵泽宇负责搜集资料撰写文档，林浩铭负责搭建监控网

5、络并测试。2019年5月，4名成员参加了“华为杯”物联网竞赛讲座，了解行业框架和智能摄像头等相关设备信息,如华为云平台的使用，及SiliconLabs的有关产品。经过调研，最终选择华为honorv9,树莓派3b+摄像头，海雀摄像头作为实验所用的边缘设备。随后每月进行一次讨论，主题为对边缘计算相关论文的研究、讨论、汇报和总结。在研究过程中，我们发现，整个系统的实现难度较大，根据老师给出的指导建议，我们决定首先实现系统最核心的功能部分一一人脸识别。经过对相关理论的深入且细致的研究，我们采用卷积神经网络技术对采集好的视频数据进行充分训练，以达到良好的人脸识别效果。经过几次讨论，我们认为，由于边缘设备

6、计算能力和存储能力有限，使用公开的人脸数据集由于其数据量较大，可能会对边缘设备的性能有较高的要求，造成较大的负担。另外我们认为直接对视频进行人脸识别难度又相对较大，加之客观原因的影响，经过研讨，我们决定先暂时搁置使用视频流和公开人脸数据集的想法，转而使用自行制作的一个较小的人脸数据集进行训练和测试。通过阅读相关文献和技术博客，结合自身实际编程经验，选定了编程语言和第三方工具包。经过不断调整、讨论与实验，最终实现了一个能够利用卷积神经网络有效进行人脸识别的算法，并且算法能够对人脸的各重要部分如眼睛、嘴巴进行标注。经过测试，我们发现，在完成视频数据的预处理后，将本算法应用在数据集上可以取得较好的识

7、别效果，初步实现了系统的人脸识别功能。三、研究总结报告为了完成项目计划，小组成员进行了广泛而深入的调研与学习。项目上报不久，4名成员参加了“华为杯”物联网竞赛讲座，了解了行业框架和智能摄像头等相关设备信息，如华为云平台的使用，及SiliConLabS的有关产品。最终确定华为honorv9,树莓派3b+摄像头，海雀摄像头作为实验所用的边缘设备。在后续的工作中，经费难以解决的问题一直存在，小组成员经过讨论，为了尽可能地完成好项目，审慎决定使用现有的设备进行项目的编写与调试工作。在后续的讨论与研究中，我们决定使用卷积神经网络来实现系统最核心的人脸识别功能，并基于现有的编程实践经验，选择PythOn作

8、为我们编程的语言。Python作为一种编程语言，具有代码简洁易读、易于维护、第三方工具库较多等其他编程语言难以比拟的优势。进一步工作中，我们选择了0penCV2开源库，这是一个跨平台的计算机视觉库，由一系列C函数和少量C+类构成,提供了PythOn语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。由于边缘设备的计算能力和存储空间都很有限，商讨之后，小组成员认为直接使用视频和公开人脸数据库处理难度较大，于是探索自行制作一个样本数量较少的人脸数据集。经过不断版本迭代和调试，最终得到了可以进行人脸识别的卷积神经网络算法。通过这次项目，小组成员收获很大。其一是增强了团队分工协作能力。在项目实现

9、中，尽管遇到了各种困难，我们仍能够基本保持各司其职，各种沟通协调机制能够维持正常运作，大家表现也都较为积极，才能够最终完成项目的核心功能。其二锻炼了克服困难达成目标的能力。在项目研究和实践过程中，我们遇到了各种客观障碍，如缺少经费、缺少设备、无法在想定的边缘设备上进行测试等等，但我们积极利用己有条件进行项目开发。其三是提高了编程能力。在之前的学习生活中，我们从未接触过类似内容，因而这个项目对我们来说是一个全新的富有挑战性的任务，通过实现项目，我们增长了相关知识，为日后的学习科研生活积累了宝贵经验。尽管我们利用手中现有设备实现了人脸识别算法，但仍应看到我们的算法存在着诸多缺点，还有很大的改进空间

10、。首先我们的识别精度不够高，只是基本达到使用要求；其次我们使用的数据集为自制数据集，其可靠性还有待考证；其三我们没有进一步进行系统集成的相关实验，这不得不说是一个遗憾。项目实践中遇到的困难是多方面的，包括缺少经费难以购进设备、疫情影响沟通交流与实际测试等等。对今后的建议主要是能够及时发放经费，对于一些较为昂贵的设备缺少经费对研究的影响是很大的。四、经费使用情况经费合计O元，其中，学校配套资助费。元。O元，学院（所）配套资助O元，其他经经费支出情况：暂无。五、学院评审意见内容提示：院系专家组对结题的意见，包括对项目研究工作和研究成果的评价等。专家组组长（签章）:年月B六、学校创新创业训练计划领导小组审核意见负责人（签章）：年月日