Intruder detection

This thesis is studying the basic concepts of Convolutional Neural Networks and using them in real-time scenario by developing a surveillance system for Intruder detection. For efficient large-scale monitoring, it is critical to design a system based on intelligent video analysis and sensors.The system is based on CNN model and sensors implemented over Nvidia TK1 board.With the help of this CNN model,detection of the Intruder and tracking is recorded by modified algorithm based on kalman filter. The system is to easy to operate by its web interface to enhance the user experience. Results show that the user experience system to the system and accuracy of system to detect Intrusion. As the system does not use expensive filters and statistical calculations, it is less intensive computationally, and at the same time delivers good detection results.

Questa tesi sta studiando i concetti di base delle reti neurali convoluzionali e li usa in uno scenario in tempo reale sviluppando un sistema di sorveglianza per il rilevamento di intrusi. Per un efficiente monitoraggio su larga scala, è fondamentale progettare un sistema basato su analisi e sensori video intelligenti. Il sistema si basa sul modello CNN e sui sensori implementati sulla scheda Nvidia TK1. Con l'aiuto di questo modello CNN, rilevamento dell'intruso e il tracciamento viene registrato dall'algoritmo modificato in base al filtro kalman. Il sistema è facile da utilizzare tramite la sua interfaccia web per migliorare l'esperienza dell'utente. I risultati mostrano che il sistema di esperienza dell'utente per il sistema e la precisione del sistema per rilevare l'intrusione. Poiché il sistema non utilizza costosi filtri e calcoli statistici, è meno intenso dal punto di vista computazionale e allo stesso tempo fornisce buoni risultati di rilevamento.