监控视频中行人感知与分析关键问题研究

发布时间：2021-01-16 02:53

　　视频内容的理解和分析是计算机视觉领域研究的热门问题之一,在公共安全、自动驾驶以及人机交互等多个领域都有着广泛的应用前景。本文围绕监控视频中行人感知与分析中的关键问题展开研究,分别对视频中个体和群体的行为进行分析。从个体行为的角度,利用运动目标检测和目标跟踪将行人从视频序列中分别分割出来,进而使用行为识别模型进行分类;对于群体行为,通过人数统计模型对视频帧的人群密度进行估计。基于该研究思路,本文着重研究了运动目标检测、目标跟踪、行为识别以及人数统计等四个方面内容。主要研究内容和创新点概述如下:（1）构建了一种基于自适应效能样本的目标检测模型。目前基于样本的检测方法均假设每个样本具有等同的重要性,这使得在模型更新的时候易于错误更新有效样本,从而导致较低的准确率。为此,本文提出用可变的权重去衡量样本的重要性,并用效能去评估样本的活动性,进而使得模型可以简单有效地识别有效样本。为了快速适应场景的变化,本文又提出了一种新的更新策略:首先提出了一种最小权值更新策略以避免有效样本错误的更新;其次提出了奖励惩罚权重策略以加强正样本的权重并惩罚其他的样本;最后提出了定量的空间传播机制以减少鬼影等噪声的影... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：126 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
    1.2 研究现状
        1.2.1 运动目标检测
        1.2.2 目标跟踪
        1.2.3 行为识别
        1.2.4 人数统计
    1.3 公开的数据库
    1.4 论文主要研究工作
        1.4.1 研究内容
        1.4.2 论文的组织结构
第二章 基于自适应效能样本的目标检测模型
    2.1 引言
    2.2 自适应效能样本模型
        2.2.1 背景模型
        2.2.2 背景分类
        2.2.3 背景模型初始化
        2.2.4 背景模型更新
        2.2.5 模型参数的自适应反馈
    2.3 实验结果与分析
        2.3.1 模型初始化
        2.3.2 CDNet数据库的实验结果
    2.4 本章小结
第三章 基于自相关表示的目标跟踪模型
    3.1 引言
    3.2 自相关表示模型
    3.3 基于自相关表示的目标跟踪模型
        3.3.1 粒子滤波
        3.3.2 观测模型
    3.4 实验结果与分析
        3.4.1 算法评价标准
        3.4.2 算法定量的对比
        3.4.3 算法定性的对比
    3.5 本章小结
第四章 基于双路3D卷积网络的行为识别模型
    4.1 引言
    4.2 3D卷积网络的优点及局限
        4.2.1 2D和3D卷积网络的对比
        4.2.2 3D网络的局限及发展
    4.3 双路3D卷积网络
        4.3.1 基础网络
        4.3.2 时空降采样模块
        4.3.3 细分支
        4.3.4 粗分支
        4.3.5 侧边连接
    4.4 实验结果与分析
        4.4.1 实验配置
        4.4.2 数据库
        4.4.3 消融实验
        4.4.4 实验结果对比
    4.5 监控视频中行人分析案例
    4.6 本章小结
第五章 基于掩膜感知深度网络的人数统计模型
    5.1 引言
    5.2 掩膜感知的深度网络模型
        5.2.1 高斯密度估计
        5.2.2 方法总览
        5.2.3 主干网络
        5.2.4 掩膜预测分支
        5.2.5 掩膜感知的密度回归
    5.3 实验结果与分析
        5.3.1 评价指标
        5.3.2 数据库
        5.3.3 实验配置
        5.3.4 解决方案的分析
        5.3.5 消融实验
        5.3.6 实验结果对比
    5.4 监控视频中人数统计案例
    5.5 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
攻读博士学位期间取得的学术成果及项目情况


【参考文献】：
博士论文
[1]基于结构化判别模型的视觉跟踪算法研究[D]. 孙冲.大连理工大学 2018
[2]基于视频的人类行为识别方法研究[D]. 刘志康.中国科学技术大学 2018
[3]基于深度学习的行人再识别研究[D]. 朱福庆.大连理工大学 2018



本文编号：2980016