深度学习条件下的多摄像机行人视频目标再识别研究

发布时间：2021-11-17 19:21

　　全国各地新型智慧城市建设风起云涌,未来将是一个全联接城市,监控设备在城市各个重要角落必然无处不在,随之而来的是海量的监控视频数据,因此迫切需要智能化的系统对海量的视频数据进行标注、处理和分析。行人再识别技术是智能视频监控、刑侦和安保等领域的核心技术之一,它包含了数据准备、网络构建和训练、特征提取和距离度量等技术。本文围绕深度学习条件下的多摄像机行人视频目标再识别主题,开展了数据智能标注、视频目标区域精细分割、基于图像及掩膜的行人再识别和基于视频序列的行人再识别四个方面开展了相关的研究工作。本文的主要研究工作如下:1)针对数据标注方法较为原始,功能单一而且操作较为繁琐,数据集制作效率低下,基于人在环中的智能标注思想,提出了用于增强深度学习的数据集标注方法。在此基础上,设计了一种基于深度学习的交互式数据自动标注验证系统。实验结果表明,该方法集自动标注、纠正错误、更新数据集、强化训练、更新模型和重新标注功能于一体,提高了图像及视频数据标注的效率和准确率,更有利于后续bounding boxes内视频目标区域的提取。2)针对深度学习目标检测算法输出的bounding boxes内存在背景干扰,... 

【文章来源】：深圳大学广东省

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

深度学习目标检测模块流程图

软件欢迎界面

软件主界面

【参考文献】：
期刊论文
[1]基于迁移学习与多标签平滑策略的图像自动标注[J]. 汪鹏,张奥帆,王利琴,董永峰.  计算机应用. 2018(11)
[2]基于概率潜在语义分析模型的分类融合图像标注[J]. 吕海峰,蔡明.  电子技术与软件工程. 2018(07)
[3]基于Grab Cut和二维熵的SAR图像目标分割方法[J]. 赵园,潘斌,邰建豪.  测绘工程. 2018(04)
[4]结合深度特征与多标记分类的图像语义标注[J]. 李志欣,郑永哲,张灿龙,史忠植.  计算机辅助设计与图形学学报. 2018(02)
[5]行走速度对步幅特征影响研究[J]. 曹钰琳,董宇.  法制博览. 2018(01)
[6]基于Grab Cut和区域生长的服装图像前景提取算法[J]. 陶彬娇,陈倩,潘中良,李萍.  华南师范大学学报(自然科学版). 2017(05)
[7]一种改进的基于SLIC的自适应GrabCut算法[J]. 安超,李磊民,黄玉清.  自动化仪表. 2017(10)
[8]基于超像素与特征改进的Grab cut前景分割[J]. 翟玲,朱敏,戴李君.  微型电脑应用. 2015(11)
[9]基于FFmpeg的视频播放软件设计[J]. 苗健,许应康.  现代电子技术. 2015(12)
[10]基于深度学习的图像自动标注算法[J]. 杨阳,张文生.  数据采集与处理. 2015(01)

博士论文
[1]基于迁移学习与深度卷积特征的图像标注方法研究[D]. 宋光慧.浙江大学 2017

硕士论文
[1]多摄像机环境下的视频目标结构化与再识别研究[D]. 植柯霖.深圳大学 2018
[2]大幅面高分辨海洋遥感图像中海陆分割和海云分割研究[D]. 李菁.深圳大学 2018
[3]全景视频处理中心的分布式网络计算节点设计与实现[D]. 谢浩鹏.深圳大学 2017
[4]大幅面海洋遥感图像厚云检测与傅里叶域融合研究[D]. 文莉.深圳大学 2016
[5]智慧视频处理节点中视频处理中间件的研究与验证系统的开发[D]. 尚涛.深圳大学 2016
[6]基于深度学习的溯源视频目标检测与识别[D]. 刘健.东南大学 2016
[7]基于分立目标的监控视频结构化方法研究[D]. 陈南款.深圳大学 2015
[8]智能视频监控中多目标检测跟踪技术研究[D]. 尹晓华.西安电子科技大学 2006



本文编号：3501518