視頻監(jiān)控在智能交通、個(gè)人行為識別、群體行為分析、商場和社區(qū)的安全監(jiān)控、犯罪嫌疑人跟蹤等領(lǐng)域有著廣泛的應(yīng)用。由于視頻監(jiān)控的場景大、背景復(fù)雜、光線條件差,很難提取到人臉等有效特征,要想在視頻中查找某個(gè)人,主要還需要依靠人力檢查。這種操作方式效率低下,漏檢率高。所以,將智能科學(xué)與圖像處理結(jié)合起來,實(shí)現(xiàn)自動查找,具有重要意義。本文利用了最為典型的兩種生物視覺模型:脈沖神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)。在設(shè)計(jì)新的識別模型中,利用脈沖神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元間通過脈沖交換信息的機(jī)制,調(diào)整神經(jīng)元脈沖產(chǎn)生的電壓閾值可以過濾一些非關(guān)鍵信息。根據(jù)生物視覺系統(tǒng)中感受野模型和分層原理構(gòu)建出來的卷積神經(jīng)網(wǎng)絡(luò)模型,被用來自動提取出數(shù)據(jù)集的最有效的特征。脈沖神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)都采用目前飛速發(fā)展的GPU并行計(jì)算技術(shù)來實(shí)現(xiàn)。在行人識別領(lǐng)域,最為常見的一種應(yīng)用是根據(jù)抓拍到含有某個(gè)人的圖像,在不同的攝像頭的視頻中進(jìn)行查找。如果待查找行人已有較多不同場合的相片包含在訓(xùn)練集中,可通過分類識別技術(shù)來解決。如果待查找行人的其他場合相片很少甚至沒有包含在訓(xùn)練集中,則可以通過行人重識別技術(shù)來解決。本文對行人識別的分類問題和重識別問題都做了研究。對...

【文章頁數(shù)】：121 頁

【學(xué)位級別】：博士

本文編號：3882451