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

【摘要】：作為社會(huì)安全保障工作的重要部分,行人視頻監(jiān)控技術(shù)在近年來(lái)得到了迅速的發(fā)展,隨著監(jiān)控設(shè)備的成本下降和質(zhì)量提升,越來(lái)越多的城市公共場(chǎng)所正在被大量的監(jiān)控?cái)z像頭所覆蓋,同時(shí)也使得傳統(tǒng)人工觀察監(jiān)控屏幕對(duì)行人進(jìn)行追蹤和識(shí)別的方法捉襟見(jiàn)肘。因此,智能行人視頻監(jiān)控問(wèn)題成為以計(jì)算機(jī)視覺(jué)為主的跨學(xué)科研究熱點(diǎn)問(wèn)題,其目標(biāo)是通過(guò)計(jì)算機(jī)對(duì)監(jiān)控視頻進(jìn)行分析,識(shí)別出其中行人出現(xiàn)的位置,并對(duì)相同身份的行人進(jìn)行匹配和長(zhǎng)距離跨場(chǎng)景跟蹤,以降低行人監(jiān)控工作所耗費(fèi)的人力,并提高準(zhǔn)確性。然而隨著人口飛速增長(zhǎng),在城市公共場(chǎng)所經(jīng)常會(huì)出現(xiàn)人流高峰,在監(jiān)控?cái)z像機(jī)的觀察中就會(huì)造成行人被場(chǎng)景或其它行人遮擋的問(wèn)題。這些難以被機(jī)器視覺(jué)自動(dòng)處理的場(chǎng)景,為設(shè)計(jì)大范圍的智能行人監(jiān)控方案帶來(lái)極大的挑戰(zhàn)。本文針對(duì)智能行人監(jiān)控問(wèn)題展開(kāi)研究。首先對(duì)該問(wèn)題在學(xué)術(shù)界是如何被分為行人檢測(cè)、行人跟蹤和行人重識(shí)別等數(shù)個(gè)基本子問(wèn)題,以及監(jiān)控視頻數(shù)據(jù)如何在各個(gè)部分間傳遞、提取和分析進(jìn)行了介紹,同時(shí)對(duì)重點(diǎn)子問(wèn)題在國(guó)內(nèi)外比較有代表性的工作進(jìn)行了展示。同時(shí),對(duì)本文研究的重點(diǎn)領(lǐng)域——行人重識(shí)別問(wèn)題在智能行人監(jiān)控解決框架中所占的位置和解決該問(wèn)題的意義給出詳細(xì)分析。然后,本文針對(duì)行人重識(shí)別問(wèn)題更進(jìn)一步分析,通過(guò)對(duì)現(xiàn)有工作的調(diào)研綜述,可以發(fā)現(xiàn)其研究重點(diǎn)主要在對(duì)行人圖像提取更穩(wěn)健的特征和對(duì)特征距離的度量方法進(jìn)行學(xué)習(xí)兩方面。本文在此基礎(chǔ)上提出了一種基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)(CNN)的行人重識(shí)別方法,在參考現(xiàn)有圖像分類網(wǎng)絡(luò)基礎(chǔ)上進(jìn)行改造,實(shí)現(xiàn)對(duì)輸入的行人圖像進(jìn)行特征提取和特征選擇的訓(xùn)練,最終在CMC評(píng)價(jià)中取得超越傳統(tǒng)特征方法的效果。接下來(lái),本文對(duì)行人跟蹤的學(xué)術(shù)研究過(guò)程中所用的數(shù)據(jù)集進(jìn)行了分析。首先是對(duì)行人跟蹤各個(gè)子問(wèn)題所用的有代表性的數(shù)據(jù)集進(jìn)行介紹,分析了現(xiàn)有數(shù)據(jù)集所提供的內(nèi)容和標(biāo)定的數(shù)據(jù)類型,以及使用數(shù)據(jù)集對(duì)子問(wèn)題進(jìn)行基準(zhǔn)測(cè)試和評(píng)價(jià)的過(guò)程。然后,針對(duì)現(xiàn)有數(shù)據(jù)集的特點(diǎn)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(shè)備,自行設(shè)計(jì)采集節(jié)點(diǎn)、軟件系統(tǒng)和控制網(wǎng)絡(luò),然后介紹了數(shù)據(jù)采集的整個(gè)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(duì)算法研究需要進(jìn)行的標(biāo)定過(guò)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(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 ;《數(shù)據(jù)采集與處理》編委會(huì)在徐州召開(kāi)[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(huì)[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(cè)量技術(shù);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(jì)費(fèi)數(shù)據(jù)采集網(wǎng)絡(luò)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(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 陳福;周樹(shù)杰;林小竹;楊躍翔;;應(yīng)用嵌入式系統(tǒng)進(jìn)行數(shù)據(jù)采集的研究[A];2004全國(guó)測(cè)控、計(jì)量與儀器儀表學(xué)術(shù)年會(huì)論文集（下冊(cè)）[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(dòng)物PET的數(shù)據(jù)采集和符合系統(tǒng)[A];第九屆全國(guó)正電子譜學(xué)會(huì)議論文集[C];2005年

3 陳青;;偵聽(tīng)模式在數(shù)據(jù)采集中的應(yīng)用[A];中國(guó)計(jì)量協(xié)會(huì)冶金分會(huì)2007年會(huì)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(yīng)用[A];中國(guó)計(jì)量協(xié)會(huì)冶金分會(huì)2014年會(huì)暨能源計(jì)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(jī)關(guān)鍵技術(shù)高層論壇暨中國(guó)航空學(xué)會(huì)2007年學(xué)術(shù)年會(huì)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(yīng)用和設(shè)計(jì)[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)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(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊(cè)）[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(guó)力學(xué)量傳感器及測(cè)試、計(jì)量學(xué)術(shù)交流會(huì)論文集[C];2000年

9 孫嘉興;劉艷俠;;數(shù)據(jù)采集中微弱信號(hào)處理[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（下）[C];2001年

10 華澤璽;王長(zhǎng)林;肖鵬;;改善傳統(tǒng)通信模式提高數(shù)據(jù)采集的實(shí)時(shí)性[A];四川省通信學(xué)會(huì)2004年通信技術(shù)論文集(一)[C];2004年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 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(bào);2011年

2 佟偉;做好數(shù)據(jù)采集 強(qiáng)化稅收征管[N];長(zhǎng)白山日?qǐng)?bào);2005年

3 葛學(xué)忠;我州旅游數(shù)據(jù)采集任務(wù)如期完成[N];民族日?qǐng)?bào);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(jiàn)實(shí)效[N];金融時(shí)報(bào);2008年

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

6 胡濤;源頭數(shù)據(jù)采集單軌運(yùn)行[N];中國(guó)石化報(bào);2010年

7 王顯鋒;蘭西國(guó)稅局力爭(zhēng)數(shù)據(jù)采集“開(kāi)門紅”[N];黑龍江經(jīng)濟(jì)報(bào);2005年

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

9 張黎明 馬敬輝;讓胡路國(guó)稅局做好動(dòng)態(tài)數(shù)據(jù)采集準(zhǔn)備工作[N];黑龍江經(jīng)濟(jì)報(bào);2005年

10 張黎明 馬敬輝;讓胡路國(guó)稅局動(dòng)態(tài)數(shù)據(jù)采集進(jìn)展順利[N];黑龍江經(jīng)濟(jì)報(bào);2005年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 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(jī)制[D];北京郵電大學(xué);2015年

2 吳軍;可用于大科學(xué)裝置的數(shù)據(jù)采集和信號(hào)處理系統(tǒng)的研究[D];中國(guó)科學(xué)技術(shù)大學(xué);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(xué);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(guó)農(nóng)業(yè)大學(xué);2014年

5 劉傳波;列車縱向沖動(dòng)的機(jī)理研究及檢測(cè)儀器的開(kāi)發(fā)[D];武漢理工大學(xué);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(guó)科學(xué)技術(shù)大學(xué);2008年

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

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 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(shù)研究[D];山東建筑大學(xué);2015年

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

3 張?jiān)?物流運(yùn)輸跟蹤數(shù)據(jù)采集與可視化監(jiān)控的研究與實(shí)現(xiàn)[D];西南交通大學(xué);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(xué);2015年

5 梁佩;實(shí)時(shí)數(shù)據(jù)采集系統(tǒng)方案設(shè)計(jì)與實(shí)現(xiàn)[D];西南交通大學(xué);2015年

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

7 徐碩碩;基于LabVIEW的燃?xì)饽茉此矐B(tài)數(shù)據(jù)采集與處理[D];北華航天工業(yè)學(xué)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(shè)計(jì)與實(shí)現(xiàn)[D];山東大學(xué);2015年

9 李彬雅;基于智能手機(jī)的泊車位判尋系統(tǒng)設(shè)計(jì)[D];福建師范大學(xué);2015年

10 王政;4通道數(shù)據(jù)采集中頻接收機(jī)的設(shè)計(jì)和實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號(hào)：2082813