保险柜作为保管重要材料的工具,保障其安全性也就是保障财产安全。过去,保险柜的防盗技术大都放到锁具的研发更新上,如防火保险柜、指纹识别保险柜等等,但是仅仅依靠保险柜自身的防盗措施,是无法保证保险柜的绝对安全。随着深度学习技术发展与国家“AI+X”战略的实施,基于深度卷积神经网络的智能监控系统展露出巨大的应用前景,因此本文基于保险柜监控视频数据,研究了基于深度卷积神经网络和计算机视觉技术的保险柜目标开关状态检测算法,并实现了保险柜开关状态智能检测系统。本文的主要工作如下:一.针对保险柜开关状态检测问题,本文从四个不同场景摄像头下各选择了50小时的真实视频,并从中挑选了相似度较低的共计14705张图片作为目标检测数据集。其中涵盖了不同摄像头分辨率、不同光照环境、保险柜位置等实际环境。二.基于保险柜目标检测数据集实现了两种保险柜状态检测方法。一种是通过修改通用目标检测算法SSD、Faster RCNN以及RFCN的特征提取网络,直接对保险柜进行检测分类,最后对比各通用算法在该数据集上的性能;二是对保险柜先检测后分类,通过设计了一个保险柜开关状态的分类网络,对检测后的保险柜目标进行再分类。三.针对人员开关保险柜时身体姿态会发生一定的变化的特点,探索人员开关保险柜时人体关键点位置变化情况,利用AlphaPose算法将人体骨骼关键点检测网络应用在保险柜状态开关检测中,通过与目标检测算法结合使用提升保险柜开关状态检测准确度。四.设计实现了基于深度学习的保险柜开关状态检测智能分析系统,该系统能够实时地对多路视频下保险柜状态进行检测并可视化,并对开关保险柜事件进行判断,并且可对历史事件查询显示。