發(fā)布時(shí)間：2018-03-16 23:08

  本文選題：行人再識(shí)別　切入點(diǎn)：行人檢測(cè)　出處：《中國(guó)海洋大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：行人視頻監(jiān)控已經(jīng)隨處可見,無論是機(jī)關(guān)單位、大型公共場(chǎng)所,還是私人公寓、小型超市,都布控了各種攝像頭。雖然監(jiān)控設(shè)備已經(jīng)普及,但大多數(shù)仍然依賴于人力查看。經(jīng)常是一個(gè)操作人員,或者幾個(gè)操作人員在很多顯示器前逐一查看著是否有異常情況發(fā)生。即便是警方查案也是花費(fèi)大量警力資源逐一查看可疑范圍內(nèi)的視頻。智能視頻監(jiān)控還不能達(dá)到廣泛應(yīng)用的程度。再加之大規(guī)模分布式多攝像機(jī)系統(tǒng)迅速膨脹,視覺數(shù)據(jù)復(fù)雜而龐大,簡(jiǎn)單依靠人力查看顯然遙不可及,智能行人識(shí)別技術(shù)必須緊跟步伐。行人再識(shí)別正是面向多攝像頭系統(tǒng)監(jiān)控問題。行人再識(shí)別指對(duì)于具有時(shí)間差距和距離差距、分布在不同位置的攝像頭場(chǎng)景下的一個(gè)行人或者一組行人,進(jìn)行視覺上的匹配,以判定是否為同一人,或者給出其出現(xiàn)的所有場(chǎng)景。然而,不同場(chǎng)景下相機(jī)角度變化、環(huán)境變化、行人視覺外觀變化、姿勢(shì)變化等,造成了行人再識(shí)別各個(gè)方面、各個(gè)研究階段的困難。本文對(duì)行人再識(shí)別問題的各個(gè)階段進(jìn)行了分析研究。首先針對(duì)行人檢測(cè)問題,本文提出了一種基于候選窗口(proposals)的HOG(Histograms of Oriented Gradients)行人檢測(cè)方法,快速檢測(cè)行人。然后本文提出了一種改進(jìn)的基于SLIC的局部-全局超像素圖像分割算法,實(shí)現(xiàn)行人的準(zhǔn)確分割提取,行人提取的準(zhǔn)確程度直接影響行人再識(shí)別的結(jié)果。同時(shí)對(duì)行人特征空間轉(zhuǎn)換以及匹配算法進(jìn)行研究,使用CMC評(píng)價(jià)方法評(píng)價(jià)行人再識(shí)別總體效果。本文實(shí)驗(yàn)用到的視頻數(shù)據(jù)來自于實(shí)驗(yàn)大樓的監(jiān)控視頻。實(shí)驗(yàn)驗(yàn)證了本文提出的基于候選窗口的HOG行人檢測(cè)算法比現(xiàn)有HOG檢測(cè)速度快。通過改進(jìn)的SLIC分割算法,對(duì)行人檢測(cè)的行人圖像進(jìn)行分割,提取行人。最后提取行人特征,運(yùn)用匹配算法進(jìn)行實(shí)驗(yàn),得出評(píng)價(jià)結(jié)果。通過本文實(shí)驗(yàn)驗(yàn)證,改進(jìn)了行人再識(shí)別總體效果。
[Abstract]:Pedestrian video surveillance has been seen everywhere, whether in government units, large public places, private apartments, small supermarkets, all kinds of cameras. Although surveillance equipment has been widely used, But most still rely on manual viewing. Often an operator, Or several operators in front of a lot of monitors to see if there are any anomalies. Even the police investigation is also a lot of police resources to look at the suspicious range of video. Intelligent video surveillance can not reach. To the extent of widespread application, coupled with the rapid expansion of large-scale distributed multi-camera systems, Visual data is complex and huge, and simply relying on manpower to view it is clearly out of reach. Intelligent pedestrian recognition technology must keep up with the pace. Pedestrian reidentification is a multi-camera system surveillance problem. Pedestrian recognition refers to the time gap and distance gap. A pedestrian or group of pedestrians in different locations of a camera scene performs a visual match to determine whether it is the same person, or to give all the scenes in which it appears. However, the camera angle varies from scene to scene. The changes of environment, visual appearance and posture of pedestrians cause difficulties in every aspect and research stage of pedestrian rerecognition. In this paper, every stage of pedestrian rerecognition is analyzed and studied. First of all, the pedestrian detection problem is studied. In this paper, a new pedestrian detection method based on candidate window proposed by HOG(Histograms of Oriented radientsis proposed to detect pedestrians quickly. Then, an improved local and global super-pixel image segmentation algorithm based on SLIC is proposed to realize accurate pedestrian segmentation and extraction. The accuracy of pedestrian extraction directly affects the result of pedestrian recognition. At the same time, the conversion of pedestrian feature space and the matching algorithm are studied. CMC evaluation method is used to evaluate the overall effect of pedestrian rerecognition. The video data used in this experiment come from the surveillance video of the experimental building. The experimental results show that the proposed HOG pedestrian detection algorithm based on candidate windows is better than the existing one. HOG detection speed. Through the improved SLIC segmentation algorithm, The pedestrian image is segmented to extract the pedestrian. Finally, the pedestrian feature is extracted, and the evaluation result is obtained by using the matching algorithm. The overall effect of pedestrian re-recognition is improved by the experiment in this paper.
【學(xué)位授予單位】：中國(guó)海洋大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳姣姣;張曉如;周永梅;;基于本體的監(jiān)控視頻語(yǔ)義事件探測(cè)[J];計(jì)算機(jī)應(yīng)用研究;2012年01期

2 代科學(xué);李國(guó)輝;武德峰;;聚類挖掘在監(jiān)控視頻中的應(yīng)用[J];測(cè)控技術(shù);2006年10期

3 汪賢鋒;;基于內(nèi)容的二次聚類監(jiān)控視頻摘要生成分析[J];內(nèi)蒙古財(cái)經(jīng)大學(xué)學(xué)報(bào);2013年05期

4 周清華;周俊;林必毅;;監(jiān)控視頻流傳輸?shù)膽?yīng)用研究[J];智能建筑與城市信息;2009年08期

5 姚彬;史萍;葛菲;謝志揚(yáng);;監(jiān)控視頻的摘要提取方法研究[J];電視技術(shù);2010年04期

6 周玉蘭;;電子監(jiān)控視頻使用中的新聞倫理三問[J];視聽縱橫;2014年03期

7 柳偉;代科學(xué);盧鑫;郭森;;監(jiān)控視頻聚簇模式挖掘及其應(yīng)用[J];數(shù)據(jù)采集與處理;2008年04期

8 辛麗麗;;鶴礦集團(tuán)遠(yuǎn)程安全監(jiān)控視頻集成系統(tǒng)[J];煤炭技術(shù);2008年05期

9 謝俊宏;;淺談監(jiān)控視頻干擾問題的解決[J];海峽科學(xué);2008年08期

10 朱麗英;梁辰;張鴻洲;;基于運(yùn)動(dòng)目標(biāo)的監(jiān)控視頻檢索方法[J];計(jì)算機(jī)應(yīng)用與軟件;2011年12期

相關(guān)會(huì)議論文 前6條

1 李國(guó)輝;代科學(xué);;一種基于運(yùn)動(dòng)量的監(jiān)控視頻事件挖掘方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

2 高美容;于明;;一種監(jiān)控視頻分段的方法[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)通信與信息技術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

3 歐溫暖;田緒紅;朱同林;;基于課室監(jiān)控視頻的課堂行為計(jì)數(shù)分析[A];第五屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2011年

4 甘金明;;基于DSP的路燈監(jiān)控視頻捕捉器設(shè)計(jì)[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議�？痆C];2008年

5 李博;李國(guó)輝;涂丹;;非重疊監(jiān)控視頻中行人目標(biāo)的檢測(cè)與匹配[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【poster】[C];2011年

6 吳秀敏;唐志偉;張輝;;基于火災(zāi)監(jiān)控視頻的人員疏散行為統(tǒng)計(jì)分析[A];2013中國(guó)消防協(xié)會(huì)科學(xué)技術(shù)年會(huì)論文集[C];2013年

相關(guān)重要報(bào)紙文章 前10條

1 和靜鈞;擅播公共監(jiān)控視頻并非都違法[N];深圳特區(qū)報(bào);2013年

2 郭海濱　羅燕清 梁明翥;八一總場(chǎng)治安監(jiān)控視頻系統(tǒng)顯神威[N];海南農(nóng)墾報(bào);2009年

3 王東亮;應(yīng)急指揮可隨時(shí)調(diào)用全市監(jiān)控視頻[N];北京日?qǐng)?bào);2007年

4 嘉興日?qǐng)?bào)評(píng)論部 晏揚(yáng);監(jiān)控視頻：反腐利器如何出鞘[N];人民法院報(bào);2013年

5 記者 洪奕宜　通訊員 粵公宣 麥媛玲;12種場(chǎng)所強(qiáng)制安裝監(jiān)控視頻[N];南方日?qǐng)?bào);2009年

6 楊濤;禁止擅傳公共場(chǎng)所監(jiān)控視頻是良法[N];深圳商報(bào);2013年

7 記者 曹俊杰;監(jiān)視器下的真實(shí)[N];第一財(cái)經(jīng)日?qǐng)?bào);2011年

8 本報(bào)記者 徐雋 王漢超 申琳;禁看監(jiān)控，，無妨監(jiān)督[N];人民日?qǐng)?bào);2013年

9 記者 李亦中　通訊員 潘峰;指揮調(diào)度集成化全國(guó)領(lǐng)先[N];長(zhǎng)江日?qǐng)?bào);2011年

10 記者 李亞亞　劉冉冉 張冰芯;裝攝像頭能否防虐童？[N];廣州日?qǐng)?bào);2012年

相關(guān)博士學(xué)位論文 前2條

1 聶婕;人體生理活動(dòng)監(jiān)控視頻中的關(guān)鍵事件檢測(cè)[D];中國(guó)海洋大學(xué);2011年

2 王亦民;面向監(jiān)控視頻的行人重識(shí)別技術(shù)研究[D];武漢大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 申海洋;基于內(nèi)容的監(jiān)控視頻檢索算法研究[D];山西大學(xué);2014年

2 袁冠紅;基于異常事件檢測(cè)的交通監(jiān)控視頻摘要[D];浙江大學(xué);2015年

3 李招昕;基于流式計(jì)算的大規(guī)模監(jiān)控視頻分析關(guān)鍵技術(shù)研究[D];上海大學(xué);2015年

4 方士兵;基于監(jiān)控視頻的行人統(tǒng)計(jì)方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

5 肖碧波;基于監(jiān)控視頻的視頻分析方法研究[D];北京化工大學(xué);2015年

6 胡憲洋;監(jiān)控視頻中特定目標(biāo)的檢測(cè)與辨識(shí)方法研究[D];電子科技大學(xué);2015年

7 陳煒;基于內(nèi)容分析的監(jiān)控視頻采集傳輸系統(tǒng)的研究與應(yīng)用[D];北京工業(yè)大學(xué);2015年

8 張芯;監(jiān)控視頻中運(yùn)動(dòng)目標(biāo)分類算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

9 王輝;基于道路監(jiān)控視頻的交通擁堵判別方法研究[D];南京郵電大學(xué);2015年

10 韓小萱;高效監(jiān)控視頻摘要的關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2015年

本文編號(hào)：1622072