收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

视频监控中的行人再识别算法研究

刘嘉威  
【摘要】:近年来,面向平安城市、智慧城市等安防工程的重大需求,视频监控系统已经在全国各地被广泛地部署。大规模视频监控网络每天产生海量的视频数据,传统的人工数据分析手段已远不能满足现阶段的安防需求。因此智能视频监控系统备受科研机构和公安部门关注。行人再识别是智能视频监控系统中的关键一环,该技术旨在判断不同摄像头采集到的不同行人图像/视频是否为同一目标行人。行人再识别技术能够在大规模数据库中对特定行人进行快速有效地检索追踪,它已成为计算机视觉和多媒体分析等领域的热门研究方向。由于实际监控环境复杂多变,传统可靠的生物特征无法有效获取,行人再识别技术目前主要依靠外观信息识别不同行人。而由于视角变化、光照变化、遮挡等因素影响,精确且鲁棒的行人再识别仍然是十分有挑战性的任务。本文对行人再识别进行了深入和系统性研究,根据不同的特征信息和应用场景,从四个方向设计不同的算法模型,提升行人再识别的性能。主要研究内容和创新如下:(1)基于外观信息的行人再识别。本文基于深度学习技术,设计了两种不同的网络模型。1.多尺度三元组卷积神经网络,该模型联合特征提取与度量学习,从图像中抽取多尺度的外观信息,学习具有区分力的行人特征。此外,该网络提出一种改进的三元组损失函数来优化模型。2.联合上下文及比较性注意力的卷积神经网络,它利用人体部位间的关联性提取上下文感知特征,同时使用注意力比较模块提取注意力感知比较特征。最后联合这两种互补的特征学习更有效的行人特征。实验结果表明了这两种网络模型的有效性,并取得高识别精度。(2)基于外观信息及语义属性的行人再识别。针对外观特征易受到不同因素干扰,鲁棒性能较差,本文提出联合语义属性和视觉外观两种不同特征,设计了一种基于上下文及注意力的属性外观网络模型,以此自动学习具有分辨力和鲁棒性的行人特征,提升网络模型的鲁棒性能。在多个图像数据集上的实验结果表明该网络能够提取有效的行人特征,并取得较高的识别性能。(3)基于外观和时序信息的行人再识别。相较于图像,视频序列蕴含更丰富的时序信息。为了充分利用这些信息,本文提出了一种稠密3D卷积神经网络。该网络结合3D卷积操作和残差模块,能够自动地从视频序列中学习有效的外观和时空特征。同时它使用识别损失和中心损失进行联合优化,学习更具区分性的行人特征。在两个公开的视频数据集上的实验结果,验证了该方法的有效性。(4)基于跨领域匹配的行人再识别。现有方法泛化性能较差,导致其难以在实际场景应用。本文针对这个问题,提出一种自适应迁移网络。该模型深入研究产生域间差异的“黑盒子”,将复杂的跨域转换任务分解为一组中间子任务,并根据不同因素的影响自适应地生成更加符合目标域风格的图像,提升模型的泛化性能。在多个图像数据集上的实验结果,表明了该方法能够有效地缩小域间差异,提升跨域识别率。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 鲍伟强;陈娟;熊涛;;基于进化神经网络的短期电力负荷预测研究[J];电工技术;2019年11期
3 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
4 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
5 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期
6 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期
7 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期
8 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期
9 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期
10 苏秀婷;;耦合神经网络的同步[J];绍兴文理学院学报(自然科学);2016年03期
11 朱溦;;神经网络结合平均影响值方法筛选变量[J];产业与科技论坛;2017年01期
12 ;硅光子神经网络亮相[J];石油工业计算机应用;2016年04期
13 任刚红;杜坤;周明;刘年东;张晋;;基于级联神经网络的年降雨量预测[J];土木建筑与环境工程;2016年S2期
14 金鑫;李龙威;季佳男;李祉歧;胡宇;赵永彬;;基于大数据和优化神经网络短期电力负荷预测[J];通信学报;2016年S1期
15 陈明;张凤荣;肖茜文;;基于灰色系统神经网络的中国低碳能源供需形势分析[J];生态经济;2017年02期
16 张国玲;;基于情感神经网络的风电功率预测[J];电信科学;2017年03期
17 梁燕华;张传斌;;基于神经网络数据融合实现火灾预警[J];科技传播;2017年04期
18 曾维亮;林志贤;陈永洒;;基于卷积神经网络的智能冰箱果蔬图像识别的研究[J];微型机与应用;2017年08期
中国重要会议论文全文数据库 前10条
1 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
2 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
4 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
6 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
8 林家骏;王赞基;;求解不可微优化问题的连续极大熵神经网络[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 姜德宏;徐德民;任章;;基于神经网络的自校正控制器[A];1993中国控制与决策学术年会论文集[C];1993年
10 窦永丰;贝超;;模糊与神经网络结合方式及在控制中的应用[A];1997年中国控制会议论文集[C];1997年
中国博士学位论文全文数据库 前10条
1 赵黎;面向服装流行色预测的层次协同演化模型与算法研究[D];天津工业大学;2019年
2 刘嘉威;视频监控中的行人再识别算法研究[D];中国科学技术大学;2019年
3 刘梅;网络系统的稳定和同步行为研究[D];新疆大学;2017年
4 靳然;基于神经网络和支持向量机的麦蚜发生动态预测研究[D];山西农业大学;2017年
5 李骁;基于深度卷积神经网络MSCT对小肾肿瘤病理分型的预测研究[D];中国人民解放军海军军医大学;2018年
6 李若霞;基于忆阻的神经网络的动力学分析及应用[D];东南大学;2017年
7 项延德;基于卷积神经网络的心电信号检测和分类研究[D];浙江大学;2018年
8 李一鸣;结合知识和神经网络的文本表示方法的研究[D];浙江大学;2018年
9 李扬;面向图像目标识别和检测的深度神经网络关键技术研究[D];北京邮电大学;2018年
10 LYDIA LAZIB;文本否定范围识别技术研究及其应用[D];哈尔滨工业大学;2018年
中国硕士学位论文全文数据库 前10条
1 胡涛;基于深度学习的鱼类识别研究[D];浙江工业大学;2019年
2 邱一豪;时态神经网络在股票分类预测的应用[D];浙江工业大学;2019年
3 唐瑜;基于矩阵束和神经网络两种方法的多径干扰抑制研究[D];厦门大学;2017年
4 郑江龙;基于卷积神经网络的隐式篇章关系识别模型[D];厦门大学;2017年
5 陈霄凌;基于卷积神经网络的图像识别及在Spark平台的实现技术研究[D];云南大学;2017年
6 丘琴秀;基于卷积神经网络与迁移学习的组织病理学图像中上皮组织—基质分类[D];厦门大学;2017年
7 张晔;基于小波分解和神经网络的非线性信号预测[D];河北师范大学;2019年
8 陈阳;用户行为分析算法及其在Spark上的应用研究[D];浙江工业大学;2018年
9 薛腾腾;深度学习在股指预测中的应用[D];浙江工业大学;2018年
10 肖遥;基于全卷积神经网络的群体异常事件检测方法研究[D];武汉理工大学;2018年
中国重要报纸全文数据库 前10条
1 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
2 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
3 ;神经网络小史[N];电子报;2018年
4 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
5 ;人工智能将取得大面积突破[N];中国企业报;2017年
6 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
7 ;人类正迎来云端机器人时代[N];中国企业报;2017年
8 张斌;谁还需要“同传”[N];文汇报;2017年
9 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
10 中国科学技术大学终身学习实验室博士 吴茂乾;“寒武纪”人工智能大爆发的前夜[N];安徽日报;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978