近些年,隨著監(jiān)控系統(tǒng)的規(guī)模逐漸擴大,監(jiān)控數(shù)據(jù)急劇增長,僅依賴人工查看和處理不僅耗時較長而且效率十分低下,很難保證全方位的監(jiān)控,因此能夠協(xié)同工作的大型監(jiān)控系統(tǒng)應運而生。但是在實際系統(tǒng)中,不同攝像機拍攝的行人圖像存在遮擋以及光照、視角、行人姿勢改變等問題,導致相同的目標行人在不同的監(jiān)控視頻中外觀差異很大。為了應對這些問題,本文提出了一種基于區(qū)域分割與距離融合的行人再識別算法并與深度特性相結合運用到實際的系統(tǒng)中,主要研究工作及創(chuàng)新點如下:1.首先對整體行人圖像進行水平方向的區(qū)域分割,對分割后的每個水平區(qū)域分別提取顏色特征和紋理特征。其次,為了盡量消除遮擋和姿勢、視角變化的影響,提出無效區(qū)域和有效區(qū)域的概念,將有效區(qū)域保留,并去除無效區(qū)域,從而減小無效區(qū)域對行人再識別的影響。2.大多基于視頻的行人再識別算法是直接對提取到的各種特征進行級聯(lián),沒有考慮不同特征之間的差異性,導致學習到的測度矩陣不能很好地表征不同特征的特性。因此,本文提出距離融合的方法,對行人圖像的局部特征、時空特征和全局特征單獨進行測度學習,得到獨立的測度矩陣,最后將通過測度矩陣獲得的距離矩陣融合,從而得到最終匹配排名。3.本文設... 

【文章來源】：合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

MGN的網(wǎng)絡結構

覺領域首選的目標檢測算法之一。4.4.2 在線預警火車站等公共場所人流量較大，作案分子等嫌疑人也經(jīng)常隱藏在人群之中，僅靠人工觀察和比對來尋找嫌疑人的方式局限性較大，因此公安部門迫切需要引入智能監(jiān)控系統(tǒng)來快速提升安防效率。本文模擬公安的安防系統(tǒng)搭建了一個實際的監(jiān)控系統(tǒng)實現(xiàn)對嫌疑人的在線預警功能。在線預警實質上是行人再識別的過程，本文是利用 4.2 節(jié)提出的特征設計方法提取行人圖像的傳統(tǒng)特征和深度特征，然后用距離融合的方式完成行人圖像對的匹配。在匹配分數(shù)達到一定閾值之后系統(tǒng)發(fā)出警報。4.5 系統(tǒng)功能展示與算法性能驗證本節(jié)首先對搭建的實際系統(tǒng)中的在線預警功能進行展示，接著對 4.2 節(jié)算法在實際系統(tǒng)中進行了實驗驗證。4.5.1 在線預警模塊展示

圖 4.7 系統(tǒng)的在線預警結果顯示界面Fig 4.7 The result of system online warning圖 4.8 通過行人檢測結果上傳布控任務

【參考文獻】：
期刊論文
[1]基于深度學習的行人重識別研究進展[J]. 羅浩,姜偉,范星,張思朋.  自動化學報. 2019(11)
[2]多特征融合與交替方向乘子法的行人再識別[J]. 齊美彬,王慈淳,蔣建國,李佶.  中國圖象圖形學報. 2018(06)
[3]融合直接度量和間接度量的行人再識別[J]. 蔣檜慧,張榮,李小寶,郭立君.  模式識別與人工智能. 2018(02)
[4]智慧安防與公安視頻監(jiān)控應用發(fā)展探討[J]. 趙問道,王馳.  中國安防. 2016(11)
[5]基于多特征子空間與核學習的行人再識別[J]. 齊美彬,檀勝順,王運俠,劉皓,蔣建國.  自動化學報. 2016(02)
[6]基于HSV顏色空間的人體輪廓提取方法研究[J]. 楊敏,劉國聯(lián),戴宏欽.  北京服裝學院學報(自然科學版). 2015(02)
[7]C/S結構與B/S結構的分析與比較[J]. 黃文博,燕楊.  長春師范學院學報. 2006(08)

碩士論文
[1]基于深度特征與傳統(tǒng)特征融合的行人再識別研究[D]. 儲慧芳.合肥工業(yè)大學 2018
[2]基于多攝像機關聯(lián)的行人檢索系統(tǒng)[D]. 疏坤.合肥工業(yè)大學 2016



本文編號：3330670