智能视频监控中的行人重识别方法研究

发布时间：2021-12-29 21:03

　　近年来,监控摄像头数量快速增长,在医院、学校、车站和机场等许多场所得到了广泛的部署,在保障公共安全的同时,也带来了海量的数据处理需求。传统的人工处理方式已无法满足需求,智能视频监控系统应运而生。行人重识别是智能视频监控系统中非常重要的组成部分,其目标是从候选集合中检索出特定行人的所有图像或视频,可以在监控相机网络所采集到的大规模视频数据库中实现快速的行人检索,并应用于行人历史轨迹分析、行人追踪和运动分析等相关任务中。同时,其使用的图像处理方法、网络结构和损失函数等也可以推动其它相关研究领域的进步。由于巨大的研究和应用价值,行人重识别受到了大量的关注,是当前计算机视觉领域中一个重要的研究课题。然而,行人姿态变化、遮挡、光照变化和相机视角差异等复杂因素,给快速准确的行人重识别带来了挑战。本文围绕基于深度学习的行人重识别进行了深入和系统的研究,分别研究了只含可见光跨摄像头场景,以及含非可见光非跨摄像头场景下的行人重识别方法。主要的研究内容和创新点为:1.基于空间和通道并行的全身人与局部人联合重识别。针对行人特征的空间位置不确定且可能被遮挡的问题,提出了一个基于空间和通道并行监督的网络。训练时... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：155 页

【学位级别】：博士

【部分图文】：

图１．丨所示，整个系统由相机网络、行人检测和??：??

图１．２：行人重识别中的问题与挑战

图１．３：相似外观行人带来的挑战

【参考文献】：
期刊论文
[1]全球恐怖袭击事件时空演变与态势分析[J]. 王诚聪,刘亚静,刘明月.  地球信息科学学报. 2019(11)
[2]疏解非首都功能下的北京人口变动分析[J]. 刘小敏.  中国集体经济. 2019(28)
[3]新时代 新征程 再扬帆——纪念安防行业蓬勃发展40周年[J]. 刘存信.  中国安防. 2019(03)
[4]基于孪生网络和重排序的行人重识别[J]. 陈首兵,王洪元,金翠,张玮.  计算机应用. 2018(11)
[5]基于字典学习和Fisher判别稀疏表示的行人重识别方法[J]. 张见威,林文钊,邱隆庆.  华南理工大学学报(自然科学版). 2017(07)
[6]基于特征融合与核局部Fisher判别分析的行人重识别[J]. 张耿宁,王家宝,李阳,苗壮,张亚非,李航.  计算机应用. 2016(09)
[7]基于特征融合的行人重识别方法[J]. 张耿宁,王家宝,张亚非,徐玉龙,苗壮.  计算机工程与应用. 2017(12)
[8]基于HSV模型和特征点匹配的行人重识别算法[J]. 彭志勇,常发亮,刘洪彬,别秀德.  光电子·激光. 2015(08)
[9]智能视频监控技术综述[J]. 黄凯奇,陈晓棠,康运锋,谭铁牛.  计算机学报. 2015(06)
[10]基于空间颜色特征的行人重识别方法[J]. 张华.  华中科技大学学报(自然科学版). 2013(S2)



本文编号：3556866