基于监控视频的视频图谱构建和挖掘研究

发布时间：2021-11-24 11:05

　　近年来,计算机视觉领域发展迅速,基于深度学习的人脸检测和特征提取方法逐渐兴起,监控视频下的行人分析逐渐成为一个热门研究方向。如今监控摄像头遍布整个城市,从视频中挖掘有效信息,对于城市安防领域具有很高的应用价值。针对海量监控视频中行人分析问题,提出一种视频图谱的自动化构建方法。视频图谱是基于视频构建的知识库,其构建方式如下,首先,对视频中出现的行人人脸进行检测并对齐,提取人脸深度特征,将多个行人人脸特征进行聚类,得到每个行人的多张人脸,并指定行人唯一性聚类编号,设计了基于图数据库Neo4j的存储模型,使用Cypher语言对节点和关系的进行增删改查操作。然后,根据时间和位置因素,分析监控视频中出现的行人之间的共现关系,提出行人共现关系发现算法,使用前端解析框架设计实现视频图谱的交互式页面。最后,基于监控视频提取挖掘出视频中有用的信息,包括基于关联规则的算法,对共现关系的行人进行预测,使用FP-Tree算法进行加速挖掘关联规则过程,对于大规模数据集,使用Spark实现分布式并行运行算法。对行人轨迹,分为基于后缀树的单个行人的频繁轨迹挖掘,以及基于分段聚类的多个行人的频繁轨迹挖掘。对可能存在的... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

视频图谱展示界面

华 中 科 技 大 学 硕 士 学 位 论 文实验结果与分析本文的实验环境是搭载12核3.40GHz，Intel(R)Core(TM)i7-6800K型号的 内存的戴尔服务器。视频图谱的数据导入分为两个阶段：初始导入和动态导入的数据一般规模较大，使用Neo4j提供的CREATE编程接口无法快速，使用了 Neo4j 批量导入方法。初始数据导入成功后，使用 CREATE 编动态导入更加方便。使用 Cypher 语句逐条导入数据性能如下，横坐标分别是关系的数量单位数是关系数的 2 倍，纵坐标的单位是秒，分别对 8 线程和 16 线程进行测ypher 语句导入 100 万以上的数据需要耗费几个小时，使用 Batch-Import 万级别的关系，横坐标单位为百万条，性能测试如图 3-9 所示。

表 3-4 共现关系挖掘结果共现次数（次） 行人对数（对）2 48903 20254 14405 5096 8098 3629 35512 325如下图 3-11 所示，算法能够检测一些共现关系较多ser_id。对于只有一次的共现共现关系，认为他们之间，删除这种偶遇的情况。共现次数符合要求的，直接存


本文编号：3515850