發(fā)布時間：2018-03-22 05:15

  本文選題：行人重識別　切入點：動態(tài)度量　出處：《武漢大學》2017年碩士論文　論文類型：學位論文

【摘要】：近年來,隨著我國市場經(jīng)濟的發(fā)展,影響社會治安環(huán)境的不確定性因素不斷增加,我國目前的治安形勢仍然處在十分嚴峻的階段。為了保障人民的生命財產(chǎn)安全、更加有效地打擊刑事犯罪,視頻偵查技術(shù)已經(jīng)成為公安部門偵查破案的重要技術(shù)手段。傳統(tǒng)的視頻偵查通過人工瀏覽監(jiān)控視頻的方式尋找與案件相關(guān)的線索,雖然有效,但是需要耗費大量的人力與時間,不能滿足刑事案件"快偵快破"的需求。針對特定嫌疑目標(尤其是人)的計算機自動檢索,已經(jīng)成為刑事偵查工作中亟待解決的重要難題。在此背景下,本文的研究課題——行人重識別(PersonRe-identification),即在拍攝區(qū)域不重疊的多個監(jiān)控攝像頭下自動檢索同一行人的技術(shù),逐漸受到許多研究者和科研機構(gòu)的重視。由于實際監(jiān)控場景的特殊性和復雜性,行人重識別問題仍然面臨許多挑戰(zhàn)。(1)在真實的監(jiān)控視頻場景中,由于視角和光照的差異,對行人提取特異而又魯棒的特征十分困難。(2)實際監(jiān)控場景中獲取的行人圖像分辨率往往較低,不同行人圖像間的分辨率也不一致,使得大多數(shù)基于單一高分辨率的行人重識別方法辨識能力明顯下降。針對上述問題,本文圍繞"動態(tài)度量"和"多維度表達"兩個核心思想展開研究,主要研究成果如下:(1)基于自適應間隔最近鄰的度量學習算法針對不同攝像頭下行人外貌特征存在巨大改變的問題,本文使用距離度量學習方法,在跨攝像頭下減少相同行人的特征差異,同時增大不同行人的特征差異。同時針對傳統(tǒng)距離度量學習算法統(tǒng)一對待不同負樣本的局限性,本文提出基于自適應間隔最近鄰(Adaptive Margin Nearest Neighbor,AMNN)的距離度量學習算法。AMNN 算法引入"動態(tài)度量"的思想,在度量學習的過程中把訓練樣本的不同入侵者推到自適應的動態(tài)間隔以外,從而利用負樣本間的差異性信息加強了對負樣本的約束,行人重識別的效果得到了明顯提升。(2)基于尺度漸變曲面的行人重識別算法針對監(jiān)控視頻中行人圖像分辨率低且不一致的情況,本文提出基于尺度漸變曲面(Scale Distance Surface Function,SDSF)的行人重識別方法,通過引入"多維度表達"的思想,將圖像單一特征辨識轉(zhuǎn)化為圖像多尺度聯(lián)合辨識。SDSF算法通過學習得到的尺度漸變曲面分類器對行人樣本對進行分類,得益于尺度漸變曲面的分類能力,SDSF算法顯著提升了多分辨率條件下的行人重識別效果。(3)行人重識別系統(tǒng)設(shè)計基于本文提出的AMNN算法和SDSF算法,本文設(shè)計并實現(xiàn)了一個公開的行人重識別系統(tǒng)。本系統(tǒng)集成了 AMNN和SDSF兩種行人重識別方法,較之于現(xiàn)有的行人重識別系統(tǒng)具有更加全面的檢索方式,能夠同時適用于分辨基本一致和分辨率多變的兩種視頻監(jiān)控場景。綜上所述,本文旨在研究面向監(jiān)控視頻的行人重識別,通過分析實際應用中的問題,提出相應解決方法。對于提高行人重識別算法的性能,進一步推進視頻偵查技術(shù),提高公安部門破案率和維護人民群眾生命財產(chǎn)安全具有重大意義。
[Abstract]:......
【學位授予單位】：武漢大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：D631.4;TP391.41

【相似文獻】

相關(guān)期刊論文 前4條

1 冉隆科;;透過美國國家圖像和測繪局看美國重塑信息優(yōu)勢[J];現(xiàn)代兵器;2001年03期

2 周克強;;聯(lián)合偵察圖像對岸上目標定位方法[J];火力與指揮控制;2012年01期

3 李志堅,周偉乾,梁敏恒,黃錦洪;駕駛員和機動車圖像信息的采集和應用[J];廣東公安科技;1998年04期

4 ;[J];;年期

相關(guān)會議論文 前10條

1 王江寧;紀力強;;昆蟲圖像特征研究[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

2 楊德強;蘇光大;徐天偉;;一種基于幻想臉的人臉圖像分辨率提升新技術(shù)[A];第二十七屆中國控制會議論文集[C];2008年

3 張莉;李佩臻;;用Photoshop對1：1萬DRG入庫數(shù)據(jù)的處理[A];全國測繪科技信息網(wǎng)中南分網(wǎng)第二十一次學術(shù)信息交流會論文集[C];2007年

4 任曉暉;龔勇清;;體全息存儲再現(xiàn)圖像分辨率實驗研究[A];第十一屆全國光學測試學術(shù)討論會論文（摘要集）[C];2006年

5 廖熠;趙榮椿;;一種基于小波分層模型的自然景物圖像表面恢復算法[A];第十屆全國信號處理學術(shù)年會（CCSP-2001）論文集[C];2001年

6 劉達;李樞平;;對DCI數(shù)字影院技術(shù)規(guī)范中圖像分級技術(shù)的理解[A];中國電影電視技術(shù)學會影視技術(shù)文集[C];2007年

7 湯敏;王惠南;;基于IDL語言的醫(yī)學圖像可視化初步研究[A];第十二屆全國圖象圖形學學術(shù)會議論文集[C];2005年

8 趙源萌;鄧朝;張馨;張存林;;被動式人體太赫茲安檢成像的分辨率增強算法研究[A];中國光學學會2011年學術(shù)大會摘要集[C];2011年

9 張尚軍;徐光;祁小江;;影響CR膠片質(zhì)量原因的探討[A];2009中華醫(yī)學會影像技術(shù)分會第十七次全國學術(shù)大會論文集[C];2009年

10 何東曉;隋守鑫;劉微;;高清透霧攝像機的研發(fā)及在交通領(lǐng)域的應用[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

相關(guān)重要報紙文章 前10條

1 劉筱霞;陳永常;PHOTOSHOP中圖像分辨率的設(shè)置[N];中國包裝報;2002年

2 王樹連;從購買圖像到租用衛(wèi)星[N];中國測繪報;2003年

3 楊興平;如何抓取指定分辨率的圖像[N];中國電腦教育報;2003年

4 李鑫;飛利浦200BW8商務人士明智新寵[N];電子資訊時報;2007年

5 記者 曾遺榮邋通訊員 冷承秋 實習生 向哲林;美國一高科技公司將落戶武漢[N];湖北日報;2007年

6 唐鳳碧;正確運用數(shù)碼相機分辨率[N];中國攝影報;2007年

7 ;創(chuàng)維TWH-43L（DLP）光顯背投圖像不良的檢修[N];電子報;2008年

8 WLF;細說分辨率[N];電腦報;2003年

9 宏杉;感受專業(yè)動力[N];中國計算機報;2001年

10 宋連黨;家庭VCD像冊大制作[N];中國電腦教育報;2003年

相關(guān)博士學位論文 前10條

1 吳輝群;慢性病信息管理系統(tǒng)中視網(wǎng)膜圖像的互操作性及其血管網(wǎng)絡定量分析研究[D];復旦大學;2014年

2 田虎;單目圖像的深度估計[D];北京郵電大學;2015年

3 唐玉芳;商品圖像分類算法研究[D];北京郵電大學;2015年

4 賈勇;建筑物透視探測關(guān)鍵技術(shù)研究[D];電子科技大學;2014年

5 黃仁杰;非可控條件下人臉識別中的若干問題研究[D];電子科技大學;2015年

6 萬方;基于多幅圖像的三維結(jié)構(gòu)化場景重建技術(shù)研究[D];武漢大學;2013年

7 馬鐘;視覺感知啟發(fā)的對象發(fā)現(xiàn)關(guān)鍵技術(shù)研究[D];西北工業(yè)大學;2015年

8 張旭;面向局部特征和特征表達的圖像分類算法研究[D];合肥工業(yè)大學;2016年

9 潘曉;圖像中的超像素生成方法[D];山東大學;2017年

10 王洪;航空光電平臺圖像穩(wěn)定技術(shù)研究[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2012年

相關(guān)碩士學位論文 前10條

1 楊棟;面向CTA圖像的冠脈血管分割算法研究和血管狹窄度分析[D];浙江大學;2015年

2 龔若皓;基于嵌入式移動GPU的圖像編解碼并行優(yōu)化[D];西南交通大學;2015年

3 曹福來;發(fā)動機燃油噴霧圖像篩選及處理方法的分析研究[D];長安大學;2015年

4 曹飛寒;高速高分辨率工業(yè)相機系統(tǒng)設(shè)計[D];蘇州大學;2015年

5 夏桂林;航海視覺增強系統(tǒng)研究[D];大連海事大學;2015年

6 劉靜;SAR圖像建筑物的三維信息提取算法的研究[D];天津理工大學;2015年

7 王玉萍;基于OCT圖像的青光眼病變定量分析研究[D];南京理工大學;2015年

8 劉瀟;自動色彩均衡算法的優(yōu)化[D];華中師范大學;2015年

9 宋慶歡;場景識別技術(shù)研究[D];中國科學院研究生院（光電技術(shù)研究所）;2015年

10 鹿曉龍;非均相液體制劑沉降自動監(jiān)測方法及裝置的研究[D];上海應用技術(shù)學院;2015年

，

本文編號：1647220