【摘要】：視頻監(jiān)控是城市公共安全領(lǐng)域一項重要的監(jiān)控手段。隨著監(jiān)控攝像頭數(shù)目和監(jiān)控視頻數(shù)據(jù)量的急劇上升,傳統(tǒng)基于人工操作的監(jiān)控方式越來越難以滿足需求,亟需發(fā)展基于智能算法的視頻監(jiān)控技術(shù)。智能視頻監(jiān)控中的關(guān)鍵問題在于"監(jiān)控視頻內(nèi)容結(jié)構(gòu)化"與"監(jiān)控對象檢索"。圍繞這兩大關(guān)鍵問題,本文(1)針對監(jiān)控視頻內(nèi)容結(jié)構(gòu)化中的目標(biāo)元數(shù)據(jù)獲取問題,開展了群體目標(biāo)跟蹤的研究;(2)針對監(jiān)控視頻內(nèi)容結(jié)構(gòu)化中的目標(biāo)理解與描述問題,開展了圖像多屬性識別的研究;(3)針對監(jiān)控對象檢索中的基于圖像的檢索問題,開展了跨視域行人群組再識別的研究。群體目標(biāo)跟蹤獲取了每個行人的運動視頻片段和運動軌跡信息,為后續(xù)分析處理提供了重要的素材。圖像多屬性識別為每個監(jiān)控對象生成了高層語義描述信息,一方面為基于圖像的檢索提供了高層語義特征,另一方面為基于自然語言的檢索提供了可能�？缫曈蛐腥巳航M再識別的研究是對單行人再識別問題的重要補充,為視頻監(jiān)控中基于行人外觀特征(非人臉)的跨視域行人檢索應(yīng)用提供了重要的技術(shù)基礎(chǔ)。本論文的主要研究工作與創(chuàng)新成果如下:(1)提出了一種基于群組關(guān)系演化的群體目標(biāo)跟蹤算法。該算法將低層次(Low-Level)的關(guān)鍵點跟蹤、中層次(Mid-Level)的圖像塊檢測及跟蹤和高層次(High-Level)的群組關(guān)系演化融入一個統(tǒng)一框架。不同于以往的計算光流、跟蹤關(guān)鍵點或者檢測行人目標(biāo),本文提出將人群表示成一組外觀獨特且穩(wěn)定的圖像塊。在低層次上,關(guān)鍵點跟蹤提供了非常精確的局部軌跡信息,可以用于檢測圖像塊以及推測群體的群組關(guān)系。在中層次上,采用所提出的分層樹形結(jié)構(gòu)對圖像塊之間的空間關(guān)系進(jìn)行建模和學(xué)習(xí)。在高層次上,群組關(guān)系的演化使得分層樹形結(jié)構(gòu)可以通過分裂、合并等形式進(jìn)行動態(tài)更新。實驗結(jié)果表明:所提出的圖像塊檢測方法為給定目標(biāo)的跟蹤提供了重要的輔助信息;所提出的動態(tài)分層樹形結(jié)構(gòu)能夠有效學(xué)習(xí)目標(biāo)之間的空間關(guān)系;所提出的基于群組關(guān)系演化的群體目標(biāo)跟蹤算法顯著提高了群體目標(biāo)跟蹤的準(zhǔn)確性。(2)提出了一種基于空間幾何關(guān)系的圖像多屬性識別算法。該算法通過一個可以"端到端"訓(xùn)練的深層卷積神經(jīng)網(wǎng)絡(luò)來同時學(xué)習(xí)屬性之間的空間和語義關(guān)系,而僅僅利用了圖像的屬性標(biāo)簽類別信息作為訓(xùn)練監(jiān)督信號。具體來說,對于輸入圖像,使用所提出的"空間正則網(wǎng)絡(luò)"(SRN:Spatial Regularization Network)為每個可能的屬性類別標(biāo)簽生成一個注意力圖,并基于注意力圖來同時學(xué)習(xí)屬性之間的空間和語義關(guān)系。最后,將"空間正則網(wǎng)絡(luò)"得到的各個屬性的置信度得分與基本卷積神經(jīng)網(wǎng)絡(luò)(如:殘差網(wǎng)絡(luò)ResNet-101)得到的置信度得分進(jìn)行加和,修正屬性置信度得分。在多個不同類型的公開數(shù)據(jù)集上的實驗結(jié)果表明:"空間正則網(wǎng)絡(luò)"可以有效學(xué)習(xí)圖像中屬性之間的空間幾何關(guān)系;這種空間幾何關(guān)系可以顯著提升圖像多屬性識別的準(zhǔn)確性。(3)提出了一種基于塊匹配的行人群組再識別算法。相對于單行人再識別問題,行人群組再識別面臨著更多的新問題,比如:群組內(nèi)行人之間嚴(yán)重的相互遮擋、群組內(nèi)行人在不同視域下發(fā)生相對位置變化等。為了解決上述問題,本文提出將行人群組再識別建模成兩組圖像塊匹配的問題。首先,通過所提出的顯著性通道濾除掉外觀相似度不高或者不具判別能力的圖像塊匹配;然后,對于生成的候選匹配,采用所提出的空間一致性匹配進(jìn)行進(jìn)一步篩選,濾除掉空間匹配關(guān)系不一致的圖像塊匹配,最終得到兩張圖像的相似度。實驗結(jié)果表明:所提出的算法在性能上顯著超過了目前主流的目標(biāo)再識別算法;所提出算法的兩個部分(顯著性通道和空間一致性匹配)在行人群組再識別性能的提升上相互促進(jìn)。
[Abstract]:......
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 肖明霞;;基于圖像塊的人臉檢測方法的研究[J];科學(xué)時代;2009年02期

2 顧勇;張燦果;龔志廣;;基于圖像塊分割融合算法在醫(yī)學(xué)圖像中的應(yīng)用[J];河北建筑工程學(xué)院學(xué)報;2007年02期

3 李天偉;黃謙;郭模燦;何四華;;圖像塊混沌特征在海面運動目標(biāo)檢測中的應(yīng)用[J];中國造船;2011年02期

4 李軍;部分圖像塊的顯示及特技制作技巧[J];電腦編程技巧與維護(hù);1997年04期

5 李生金;蒲寶明;賀寶岳;王維維;;基于圖像塊的滯留物/移取物的檢測方法[J];小型微型計算機系統(tǒng);2014年01期

6 趙德斌;陳耀強;高文;;基于圖像塊方向的自適應(yīng)無失真編碼[J];模式識別與人工智能;1998年01期

7 陳琦,李華,朱光喜;一種新的應(yīng)用于屏幕共享的圖像塊識別算法[J];電訊技術(shù);2000年06期

8 劉尚翼;霍永津;羅欣榮;白仲亮;魏林鋒;項世軍;;基于圖像塊相關(guān)性分類的加密域可逆數(shù)據(jù)隱藏[J];武漢大學(xué)學(xué)報(理學(xué)版);2013年05期

9 陳奮,閆冬梅,趙忠明;一種快速圖像塊填充算法及其在遙感影像處理中的應(yīng)用[J];計算機應(yīng)用;2005年10期

10 馬文龍,余寧梅,銀磊,高勇;圖像塊動態(tài)劃分矢量量化[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2005年02期

相關(guān)會議論文 前2條

1 李趙紅;侯建軍;宋偉;;基于圖像塊等級模型的多重認(rèn)證水印算法[A];第八屆全國信息隱藏與多媒體安全學(xué)術(shù)大會湖南省計算機學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

2 鐘凡;莫銘臻;秦學(xué)英;彭群生;;基于WSSD的不規(guī)則圖像塊快速匹配[A];中國計算機圖形學(xué)進(jìn)展2008--第七屆中國計算機圖形學(xué)大會論文集[C];2008年

相關(guān)博士學(xué)位論文 前7條

1 霍雷剛;圖像處理中的塊先驗理論及應(yīng)用研究[D];西安電子科技大學(xué);2015年

2 欽夏孟;稠密圖像塊匹配方法及其應(yīng)用[D];北京理工大學(xué);2015年

3 林樂平;基于過完備字典的非凸壓縮感知理論與方法研究[D];西安電子科技大學(xué);2016年

4 向濤;復(fù)雜場景下目標(biāo)檢測算法研究[D];電子科技大學(xué);2016年

5 鮑華;復(fù)雜場景下基于局部分塊和上下文信息的單視覺目標(biāo)跟蹤[D];中國科學(xué)技術(shù)大學(xué);2017年

6 朱烽;跨視域攝像頭網(wǎng)絡(luò)下的監(jiān)控視頻結(jié)構(gòu)化與檢索[D];中國科學(xué)技術(shù)大學(xué);2017年

7 宋偉;幾類數(shù)字圖像水印算法的研究[D];北京交通大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 王榮麗;基于半監(jiān)督學(xué)習(xí)的目標(biāo)跟蹤方法研究[D];浙江師范大學(xué);2015年

2 祝漢城;數(shù)字圖像的客觀質(zhì)量評價方法研究[D];中國礦業(yè)大學(xué);2015年

3 陸杰;使用自組織增量神經(jīng)網(wǎng)絡(luò)實現(xiàn)單層非監(jiān)督特征學(xué)習(xí)[D];南京大學(xué);2015年

4 熊耀先;基于圖像塊統(tǒng)計特性的EPLL遙感圖像復(fù)原方法[D];國防科學(xué)技術(shù)大學(xué);2014年

5 張書揚;基于冗余字典的圖像壓縮感知技術(shù)研究[D];吉林大學(xué);2016年

6 楊存強;基于圖像塊多級分類和稀疏表示的超分辨率重建算法研究[D];天津工業(yè)大學(xué);2016年

7 李向向;視頻監(jiān)控下實時異常行為檢測研究[D];南京郵電大學(xué);2016年

8 程曉東;基于幀間塊約束和進(jìn)化計算的視頻壓縮感知重構(gòu)方法[D];西安電子科技大學(xué);2016年

9 李小青;基于脊波冗余字典和多目標(biāo)遺傳優(yōu)化的壓縮感知圖像重構(gòu)[D];西安電子科技大學(xué);2016年

10 文俊;基于深度卷積神經(jīng)網(wǎng)絡(luò)的室外場景理解研究[D];杭州電子科技大學(xué);2016年

，

本文編號：2360372