現(xiàn)代城市中交通監(jiān)控攝像頭無處不在,迫切需要對海量視頻進(jìn)行智能分析。其中,車輛再識別（Re-identification）和追蹤（Tracking）更是成為了計算機視覺領(lǐng)域的研究熱點。車輛再識別是指從視域不重疊的多個攝像頭中識別出身份一致的車輛;同時,它也是實現(xiàn)跨攝像頭車輛追蹤的基礎(chǔ)。由于車輛移動造成的遮擋和車輛外觀的相似性,使得僅靠車牌或外觀特征難以穩(wěn)定地區(qū)分車輛身份,并影響后續(xù)的跨攝像頭身份關(guān)聯(lián)。為此,本文重點探索如何在車輛再識別和追蹤任務(wù)中融合時空關(guān)系等輔助信息,以提升再識別中身份檢索的準(zhǔn)確率和追蹤任務(wù)中身份關(guān)聯(lián)的穩(wěn)定性。論文工作對智能交通系統(tǒng)和智慧城市建設(shè)有重要的意義和應(yīng)用價值。本文首先系統(tǒng)分析了車輛再識別技術(shù)和車輛跨攝像頭追蹤技術(shù)的研究進(jìn)展和主要研究思路。在此基礎(chǔ)上,提出了融合車輛外觀特征和車輛時空信息的再識別新方法。接著,通過車輛軌跡關(guān)聯(lián)實現(xiàn)跨攝像頭的車輛追蹤。最后,利用公開數(shù)據(jù)集和校園監(jiān)控數(shù)據(jù)進(jìn)行了評估。本文主要工作與貢獻(xiàn)概述如下:1.提出一個基于軌跡聚類的再識別模型。該模型具有兩個分支,分別利用車輛圖像對之間的視覺相似度和時空信息:視覺分支采用深度卷積網(wǎng)絡(luò)Res Net5... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【部分圖文】：

監(jiān)控視頻分析框架示意圖

重慶郵電大學(xué)碩士學(xué)位論文第1章緒論3行物體分類以期獲得物體類別等語義信息，另外再綜合多幀對某個目標(biāo)進(jìn)行物體追蹤獲得其在單攝像頭視域中的運動軌跡；對單攝像頭場景理解而言，基于物體追蹤可以提取特定目標(biāo)的多幀外觀特征，而這一特征顯然比單幀特征具備更豐富的信息量；其次，綜合物體追蹤和物體分類結(jié)果能夠在單攝像頭場景中提取到該視域內(nèi)的事件檢測結(jié)果，并為后續(xù)分析提供支撐。隨后在多攝像頭綜合分析中，再識別任務(wù)能夠?qū)δ繕?biāo)進(jìn)行穩(wěn)定身份關(guān)聯(lián)，而跨攝像頭追蹤能夠還原出特定目標(biāo)在監(jiān)控網(wǎng)絡(luò)中的移動軌跡，從而實現(xiàn)更高層級的語義分析。視頻智能分析的分層處理流程如圖1.2所示。其中重要的子系統(tǒng)包括目標(biāo)檢測、單視域物體追蹤、物體再識別和物體跨攝像頭追蹤這四個部分，它們保證了感興趣物體(ObjectofInterest)在監(jiān)控網(wǎng)絡(luò)中的持續(xù)追蹤和行為理解。圖1.2監(jiān)控視頻分層處理模型總體來看，監(jiān)控網(wǎng)絡(luò)中的視頻智能分析需要克服硬件差異和現(xiàn)實條件的綜合影響，其處理流程可分為單攝像頭分析和多攝像頭綜合兩個部分，單視域內(nèi)處理主要有物體檢測和物體追蹤兩項關(guān)鍵技術(shù)，在跨攝像頭綜合這個部分則有物體再識別和跨攝像頭追蹤的具體挑戰(zhàn)。

點中。更進(jìn)一步來看，作為行人再識別技術(shù)的外延，車輛再識別與行人再識別能夠統(tǒng)一到這樣的一個處理邏輯中：給定一個查詢圖片和一個由多個不同身份的物體圖片組成的候選集，再識別算法需要決定候選集中的哪一組圖片中與查詢圖片是同一個物體[5]。另外，從視頻處理的整體角度來看，如圖1.2所示，再識別任務(wù)可以作為單攝像頭目標(biāo)檢測和追蹤的后續(xù)任務(wù)，其輸入是從圖像中進(jìn)行目標(biāo)檢測得到的感興趣物體圖像區(qū)域；輸出則是根據(jù)物體外觀特征和其他附加信息得到的候選集排序列表，相似度高的物體排序在前，反之靠后，具體過程可參看圖1.3。圖中“查詢”列表示用于檢索的物體圖像，而后續(xù)的“匹配”列表表示算法認(rèn)為與查詢樣本為同一身份的候選集樣本，而這個排序列表中匹配到的樣本則有可能存在并非同一身份的錯誤匹配。(a)行人再識別檢索示意圖(b)車輛再識別檢索示意圖圖1.3再識別任務(wù)中檢索匹配邏輯示意圖

【參考文獻(xiàn)】：
博士論文
[1]城市視頻監(jiān)控網(wǎng)絡(luò)中車輛搜索關(guān)鍵技術(shù)研究[D]. 劉鑫辰.北京郵電大學(xué) 2018



本文編號：3231393