基于摄像机网络拓扑结构的行人再识别研究

发布时间：2021-05-10 04:54

　　随着我国“平安城市”、“智慧城市”建设的稳步推进,大量的视频监控设备被部署到城市的大街小巷之中,这些视频监控设备为监控异常行为、寻找丢失儿童和追踪犯罪嫌疑人等提供了有力的保障。但是面对如此海量的视频数据,传统的人工监查系统已然显得捉襟见肘,因此寻找一种能够自动检索和跟踪目标行人的智能视频监控系统变得尤为重要。而行人再识别技术作为智能视频监控系统中的核心算法,近年来引起了国内外专家学者们的深入研究。本文首先简要介绍了行人再识别技术的基础理论和相关算法以及现阶段所面临的主要挑战,然后针对现有行人再识别算法在匹配行人图像时,仅依靠视觉信息而导致算法识别率低下的问题提出了两种不同的解决方案:1.提出一种基于正逆向排序约束的重排序算法来修正部分错误匹配。正向排序约束即如果图像位于某一正向排序列表的靠前位置,那么它在其他正向排序列表中的位置应该相对靠后。逆向排序约束即如果两张图像是同一行人的图像那么它们都必将位于对方排序列表的靠前位置。2.设计一种基于摄像机网络拓扑结构的时空融合模型来弥补现有行人再识别算法中时空信息的缺失。该模型首先通过统计部分行人穿过目标监控场所中任意两个摄像机时的运动时间,来... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 引言
    1.2 课题研究背景及意义
    1.3 行人再识别的研究现状
    1.4 行人再识别面临的挑战
    1.5 本文的主要工作及创新点
第二章 行人再识别技术概述
    2.1 引言
    2.2 基于传统方法的行人再识别
        2.2.1 特征表示
        2.2.2 距离测度
        2.2.3 重排序
    2.3 基于深度学习方法的行人再识别
    2.4 本章总结
第三章 正逆向排序约束的行人再识别重排序
    3.1 引言
    3.2 正逆向排序约束的行人再识别重排序
        3.2.1 问题的定义
        3.2.2 正向排序约束
        3.2.3 逆向排序约束
    3.3 公共数据集与评估指标
        3.3.1 公共数据集概述
        3.3.2 评估指标
    3.4 实验测试与结果分析
        3.4.1 本文算法在不同数据集上的测试结果
        3.4.2 本文算法在不同基线方法上的测试结果
        3.4.3 本文算法的各部件性能对比
        3.4.4 超参数l对本文算法性能的影响
        3.4.5 本文算法与其它重排序算法性能对比
    3.5 本章总结
第四章 基于摄像机网络拓扑结构的行人再识别监控系统
    4.1 引言
    4.2 摄像机网络拓扑的时空融合模型
        4.2.1 时空关系
        4.2.2 融合评分
        4.2.3 公共数据集实验分析
    4.3 系统搭建
        4.3.1 搭建环境
        4.3.2 系统框架
        4.3.3 系统功能模块
    4.4 系统功能演示与算法性能验证
        4.4.1 离线行人检索功能演示
        4.4.2 算法性能验证
        4.4.3 应用分析
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况


【参考文献】：
期刊论文
[1]基于风格迁移及度量融合的行人再识别研究[J]. 孙志琳,张丽红.  测试技术学报. 2019(01)
[2]三元组在非监督行人再识别中的应用[J]. 王兴柱,王儒敬.  仪表技术. 2018(12)
[3]基于多层深度特征融合的行人再识别研究[J]. 张丽红,孙志琳.  测试技术学报. 2018(04)
[4]基于核空间与稠密水平条带特征的行人再识别[J]. 王强,包晓安,张福星,高春波,桂江生.  计算机测量与控制. 2018(07)
[5]基于多特征子空间与核学习的行人再识别[J]. 齐美彬,檀胜顺,王运侠,刘皓,蒋建国.  自动化学报. 2016(02)

硕士论文
[1]非重叠视域多摄像机行人再识别研究与实现[D]. 王慈淳.合肥工业大学 2018
[2]基于深度特征与传统特征融合的行人再识别研究[D]. 储慧芳.合肥工业大学 2018



本文编号：3178718