發(fā)布時間：2018-06-29 17:16

  本文選題：智能監(jiān)控 + 行人重識別��； 參考：《山東大學》2017年碩士論文

【摘要】：作為社會安全保障工作的重要部分,行人視頻監(jiān)控技術在近年來得到了迅速的發(fā)展,隨著監(jiān)控設備的成本下降和質(zhì)量提升,越來越多的城市公共場所正在被大量的監(jiān)控攝像頭所覆蓋,同時也使得傳統(tǒng)人工觀察監(jiān)控屏幕對行人進行追蹤和識別的方法捉襟見肘。因此,智能行人視頻監(jiān)控問題成為以計算機視覺為主的跨學科研究熱點問題,其目標是通過計算機對監(jiān)控視頻進行分析,識別出其中行人出現(xiàn)的位置,并對相同身份的行人進行匹配和長距離跨場景跟蹤,以降低行人監(jiān)控工作所耗費的人力,并提高準確性。然而隨著人口飛速增長,在城市公共場所經(jīng)常會出現(xiàn)人流高峰,在監(jiān)控攝像機的觀察中就會造成行人被場景或其它行人遮擋的問題。這些難以被機器視覺自動處理的場景,為設計大范圍的智能行人監(jiān)控方案帶來極大的挑戰(zhàn)。本文針對智能行人監(jiān)控問題展開研究。首先對該問題在學術界是如何被分為行人檢測、行人跟蹤和行人重識別等數(shù)個基本子問題,以及監(jiān)控視頻數(shù)據(jù)如何在各個部分間傳遞、提取和分析進行了介紹,同時對重點子問題在國內(nèi)外比較有代表性的工作進行了展示。同時,對本文研究的重點領域——行人重識別問題在智能行人監(jiān)控解決框架中所占的位置和解決該問題的意義給出詳細分析。然后,本文針對行人重識別問題更進一步分析,通過對現(xiàn)有工作的調(diào)研綜述,可以發(fā)現(xiàn)其研究重點主要在對行人圖像提取更穩(wěn)健的特征和對特征距離的度量方法進行學習兩方面。本文在此基礎上提出了一種基于深度學習卷積神經(jīng)網(wǎng)絡(CNN)的行人重識別方法,在參考現(xiàn)有圖像分類網(wǎng)絡基礎上進行改造,實現(xiàn)對輸入的行人圖像進行特征提取和特征選擇的訓練,最終在CMC評價中取得超越傳統(tǒng)特征方法的效果。接下來,本文對行人跟蹤的學術研究過程中所用的數(shù)據(jù)集進行了分析。首先是對行人跟蹤各個子問題所用的有代表性的數(shù)據(jù)集進行介紹,分析了現(xiàn)有數(shù)據(jù)集所提供的內(nèi)容和標定的數(shù)據(jù)類型,以及使用數(shù)據(jù)集對子問題進行基準測試和評價的過程。然后,針對現(xiàn)有數(shù)據(jù)集的特點和不足,本文提出了一種大范圍采集行人數(shù)據(jù)的系統(tǒng),選擇合適的數(shù)據(jù)采集、控制和輔助定位硬件設備,自行設計采集節(jié)點、軟件系統(tǒng)和控制網(wǎng)絡,然后介紹了數(shù)據(jù)采集的整個流程和所采集的內(nèi)容、格式,以及采集到原始數(shù)據(jù)后針對算法研究需要進行的標定過程。
[Abstract]:As an important part of social security, pedestrian video surveillance technology has been developed rapidly in recent years. More and more urban public places are being covered by a large number of surveillance cameras. At the same time, the traditional manual observation and monitoring screen to track and identify pedestrians is overstretched. Therefore, intelligent pedestrian video surveillance has become an interdisciplinary research hotspot, which is focused on computer vision. Its goal is to identify the location of pedestrian through computer analysis of surveillance video. In order to reduce the manpower cost and improve the accuracy of pedestrian monitoring, matching and long distance cross-scene tracking of pedestrians with the same identity are carried out. However, with the rapid growth of population, there is often a rush of people in public places in cities, and the observation of surveillance cameras will cause pedestrians to be blocked by scenes or other pedestrians. These scenarios, which are difficult to be automatically processed by machine vision, pose a great challenge to the design of a wide range of intelligent pedestrian monitoring schemes. This paper focuses on intelligent pedestrian monitoring. First of all, how the problem is divided into pedestrian detection, pedestrian tracking and pedestrian recognition, and how to transfer, extract and analyze the video data between different parts are introduced. At the same time, the key sub-problems in the domestic and foreign representative work has been demonstrated. At the same time, the position of pedestrian recognition problem in the framework of intelligent pedestrian monitoring solution and the significance of solving this problem are analyzed in detail. Then, this paper further analyzes the problem of pedestrian recognition, through the survey of existing work, It can be found that the study focuses on two aspects: the more robust feature extraction from pedestrian images and the measurement of feature distance. In this paper, a method of pedestrian recognition based on deep learning convolutional neural network (CNN) is proposed, which is modified by referring to the existing image classification networks. The training of feature extraction and feature selection of the input pedestrian image is realized, and the result of CMC evaluation surpasses the traditional feature method. Then, this paper analyzes the data sets used in the academic research of pedestrian tracking. Firstly, the representative data sets used in pedestrian tracking are introduced. The contents and calibration data types of existing data sets are analyzed, and the process of benchmark testing and evaluation of sub-problems using data sets is analyzed. Then, according to the characteristics and shortcomings of the existing data sets, this paper proposes a large-scale pedestrian data acquisition system, select the appropriate data acquisition, control and auxiliary positioning hardware equipment, and design the acquisition node. The software system and control network are introduced, and then the whole process of data acquisition, the content and format of the data acquisition, and the calibration process for the algorithm research are introduced.
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 ;《數(shù)據(jù)采集與處理》編委會在徐州召開[J];數(shù)據(jù)采集與處理;2000年02期

2 ;《數(shù)據(jù)采集與處理》已成立第五屆編委會[J];數(shù)據(jù)采集與處理;2000年03期

3 ;數(shù)據(jù)采集與處理2005年(第20卷1一4期)總目次[J];數(shù)據(jù)采集與處理;2005年04期

4 ;降低數(shù)據(jù)采集的成本[J];電子測量技術;2005年01期

5 谷波;;數(shù)據(jù)采集積極性不高[J];施工企業(yè)管理;2012年04期

6 ;致謝[J];數(shù)據(jù)采集與處理;2012年06期

7 ;數(shù)據(jù)采集與處理2012年(第27卷1～6期)總目次[J];數(shù)據(jù)采集與處理;2012年06期

8 王麗;;通信計費數(shù)據(jù)采集網(wǎng)絡的模式探討[J];科技傳播;2013年09期

9 ;《數(shù)據(jù)采集與處理》1987年總目錄[J];數(shù)據(jù)采集與處理;1987年03期

10 ;《數(shù)據(jù)采集與處理》1988年總目錄[J];數(shù)據(jù)采集與處理;1988年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陳福;周樹杰;林小竹;楊躍翔;;應用嵌入式系統(tǒng)進行數(shù)據(jù)采集的研究[A];2004全國測控、計量與儀器儀表學術年會論文集（下冊）[C];2004年

2 王艷萍;李道武;章志明;李可;陳亞微;高俊雄;單保慈;魏龍;;用于小動物PET的數(shù)據(jù)采集和符合系統(tǒng)[A];第九屆全國正電子譜學會議論文集[C];2005年

3 陳青;;偵聽模式在數(shù)據(jù)采集中的應用[A];中國計量協(xié)會冶金分會2007年會論文集[C];2007年

4 蔡尹楚;王立校;;多種新型數(shù)據(jù)采集方式在化工企業(yè)能源數(shù)據(jù)采集中的組合應用[A];中國計量協(xié)會冶金分會2014年會暨能源計量與綠色冶金論壇論文集[C];2014年

5 周威;陳五一;;切削數(shù)據(jù)采集研究[A];大型飛機關鍵技術高層論壇暨中國航空學會2007年學術年會論文集[C];2007年

6 王磊;馬婉麗;姚成虎;;U盤功能在數(shù)據(jù)采集儀器中的應用和設計[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

7 王澤保;;智能化數(shù)據(jù)采集記錄儀[A];1996年中國智能自動化學術會議論文集（下冊）[C];1996年

8 遲曉珠;王勁松;;三維加速度數(shù)據(jù)采集及通訊系統(tǒng)[A];2000全國力學量傳感器及測試、計量學術交流會論文集[C];2000年

9 孫嘉興;劉艷俠;;數(shù)據(jù)采集中微弱信號處理[A];中國儀器儀表學會第三屆青年學術會議論文集（下）[C];2001年

10 華澤璽;王長林;肖鵬;;改善傳統(tǒng)通信模式提高數(shù)據(jù)采集的實時性[A];四川省通信學會2004年通信技術論文集(一)[C];2004年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 浙江省杭州市桐廬縣煙草專賣局（分公司） 張韜;客戶經(jīng)理數(shù)據(jù)采集“小貼士”[N];東方煙草報;2011年

2 佟偉;做好數(shù)據(jù)采集 強化稅收征管[N];長白山日報;2005年

3 葛學忠;我州旅游數(shù)據(jù)采集任務如期完成[N];民族日報;2008年

4 記者 溫躍邋朱鋒 通訊員 姜春;人行威海中心支行創(chuàng)新貸款數(shù)據(jù)采集流程見實效[N];金融時報;2008年

5 劉亞迅　特約記者 方立華;數(shù)據(jù)采集表評判訓練短長[N];解放軍報;2010年

6 胡濤;源頭數(shù)據(jù)采集單軌運行[N];中國石化報;2010年

7 王顯鋒;蘭西國稅局力爭數(shù)據(jù)采集“開門紅”[N];黑龍江經(jīng)濟報;2005年

8 孫紅偉 特約記者 程永亮;34個數(shù)據(jù)采集組嵌入演練場[N];解放軍報;2012年

9 張黎明 馬敬輝;讓胡路國稅局做好動態(tài)數(shù)據(jù)采集準備工作[N];黑龍江經(jīng)濟報;2005年

10 張黎明 馬敬輝;讓胡路國稅局動態(tài)數(shù)據(jù)采集進展順利[N];黑龍江經(jīng)濟報;2005年

中國博士學位論文全文數(shù)據(jù)庫 前7條

1 邵蘇杰;面向智能配用電網(wǎng)數(shù)據(jù)懫集的流量調(diào)度機制[D];北京郵電大學;2015年

2 吳軍;可用于大科學裝置的數(shù)據(jù)采集和信號處理系統(tǒng)的研究[D];中國科學技術大學;2017年

3 馬英杰;基于3GS的核勘查數(shù)據(jù)采集及處理系統(tǒng)研究[D];成都理工大學;2010年

4 齊林;面向可追溯的物聯(lián)網(wǎng)數(shù)據(jù)采集與建模方法研究[D];中國農(nóng)業(yè)大學;2014年

5 劉傳波;列車縱向沖動的機理研究及檢測儀器的開發(fā)[D];武漢理工大學;2009年

6 牛田野;特殊等離子體環(huán)境物理信息獲取與處理的研究[D];中國科學技術大學;2008年

7 李忠龍;基于現(xiàn)有傳感器的橋梁無線檢測技術的研究[D];哈爾濱工業(yè)大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 胡延凱;公共建筑能耗數(shù)據(jù)懫集與信息處理一體化集成技術研究[D];山東建筑大學;2015年

2 張麗萍;雷電三維電場數(shù)據(jù)采集與分析[D];南京信息工程大學;2015年

3 張元;物流運輸跟蹤數(shù)據(jù)采集與可視化監(jiān)控的研究與實現(xiàn)[D];西南交通大學;2015年

4 吳濤;基于寬帶衛(wèi)星的海洋海事信息數(shù)據(jù)懫集裝置研發(fā)[D];集美大學;2015年

5 梁佩;實時數(shù)據(jù)采集系統(tǒng)方案設計與實現(xiàn)[D];西南交通大學;2015年

6 李曉紅;基于SOA架構的中職教育數(shù)據(jù)采集與KPI決策支持系統(tǒng)的構建[D];復旦大學;2013年

7 徐碩碩;基于LabVIEW的燃氣能源瞬態(tài)數(shù)據(jù)采集與處理[D];北華航天工業(yè)學院;2015年

8 隋玉濤;惠民縣民生信息數(shù)據(jù)采集與分析系統(tǒng)的設計與實現(xiàn)[D];山東大學;2015年

9 李彬雅;基于智能手機的泊車位判尋系統(tǒng)設計[D];福建師范大學;2015年

10 王政;4通道數(shù)據(jù)采集中頻接收機的設計和實現(xiàn)[D];哈爾濱工業(yè)大學;2015年

，

本文編號：2082813