条件复杂化行人重识别关键技术研究
发布时间：2022-01-10 20:49
我国已投入大量资源建设城市视频监控网络,视频监控系统的发展和普及给公安机关侦查破案带来了巨大的方式变革,视频侦查技术得到极大的发展与应用。但是,效果并不等于效益。在实际视频侦查工作中,大量侦查员需要调看案发时间前后、案发现场附近的监控视频,并逐步扩大调看范围,以便从多个摄像头所拍摄的视频中查找同一行人目标的活动画面和轨迹,进而锁定、排查和追踪嫌疑目标。过去,视频侦查工作主要通过人工浏览和研判的方式来发现嫌疑目标,需要耗费大量的人力和时间。公安工作的时效需求推进了行人重识别技术的发展。行人重识别,即运用计算机视觉、机器学习方法判断某个摄像头中的某个行人是否曾经出现在其他的摄像头中的技术,它可以有效帮助侦查人员在海量视频中发现、追踪嫌疑目标,进而提高公安机关破案率,具有重要意义。近年来,行人重识别成为研究热点,在限定仿真条件下已取得非常高的准确率。但是,当条件复杂化后行人重识别能显著下降,这无法满足视频侦查应用的需求。非限定条件行人重识别研究复杂化体现在:特性复杂化、分布复杂化、结构复杂化、表达复杂化。在这四个方面的技术瓶颈表现为:（1）受到环境因素、成像因素等多方面原因的影响,实际视频侦...
【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：115 页
【学位级别】：博士
【部分图文】：
图１．１：行人重识别问题示意图
??照变化。如图１．２是不同监控摄像头下行人外貌变化的示意图（送些行人图像主要来??源于ＶＩＰｅＲ?［７３］、ＣＵＨＫ?［巧和犯ＰＥＳ?［１２〇］等数据集），其中每一列两张图像采集??自同一行人在两个不同监控摄像头下的画面。因此，行人重识别问题具有Ｗ下两个特??点。（１）在不同监控摄像头中，由于分辨率、光照和视角变化的影响，同一个行人对??象的不同图像视觉特征会产生一定程度的变化。（２）由于行人姿势及摄像头角度变化??影响，在不同监控摄像头中，不同行人对象的图像视觉特征可能比同一个行人对象的??视觉特征更相似。送使得行人重识别问题较之一般基于实例的视频检索要更加困难。??ｉｉｉｆｉｉｌｉｌｌｉｌ??ｉｉｉｉＷｌｆｆｆＰ??图１．２：不同摄像头下行人外貌变化示意图。??近年来，不少学者开始关注行人重识别问题，他们尝试解决因为视角变化、光照??变化、场景变化等造成行人外貌差异，设计判别力强、鲁棒、可靠的行人重识别算??法。自２００６年，澳大利亚国家信息与通信技术研究所在［１３］中首次提出行人重识别??概念Ｗ来
热点和重点。??１．２．１研究团队调研??图１．４中饼图展示了发表Ｈ篇上重要文献的团队，并显示了其占比情况。由图??可看到，开展行人重识别研究的包括芙国伦敦大学玛丽女王学院、香港中文大学、??中山大学、武汉大学、中国科学院自动化研究所等国内外研究机构。其中，英国伦敦??大学玛丽女王学院发表相关文献最多，这一机构１＾＾往在视频监控和计算机视觉的相关??领域如目标检测、目标跟踪等方向很多研究成果。同样地，其他重要研究机构也在Ｗ??往专注于公共安全、视频监控和计算机视觉应用等领域研究。所Ｗ，传统视频监控、??公共安全研究正带动着行人重识别方向研究的深入开展。??－己－??
【参考文献】：
期刊论文
[1]多特征融合与独立测度学习的行人再识别[J]. 齐美彬,胡龙飞,蒋建国,高灿. 中国图象图形学报. 2016(11)
[2]视频图像侦查与“云平台”图像信息资源探讨[J]. 包适罡,高原. 中国公共安全(学术版). 2016(03)
[3]基于多特征子空间与核学习的行人再识别[J]. 齐美彬,檀胜顺,王运侠,刘皓,蒋建国. 自动化学报. 2016(02)
[4]多方向显著性权值学习的行人再识别[J]. 陈莹,霍中花. 中国图象图形学报. 2015(12)
[5]平安城市发展历程回顾及未来发展方向展望[J]. 李龑翔. 中国公共安全. 2015(09)
[6]基于二次相似度函数学习的行人再识别[J]. 杜宇宁,艾海舟. 计算机学报. 2016(08)
[7]基于统计推断的行人再识别算法[J]. 杜宇宁,艾海舟. 电子与信息学报. 2014(07)
[8]效益最优视角下的我国视频侦查工作进路——基于周克华案、波士顿马拉松爆炸案、伦敦地铁爆炸案的比较研究[J]. 孔令勇. 福建警察学院学报. 2014(01)
[9]多特征融合的人体目标再识别[J]. 范彩霞,朱虹,蔺广逢,罗磊. 中国图象图形学报. 2013(06)
[10]坚定不移推进生态文明建设[J]. 马凯. 求是. 2013(09)
博士论文
[1]基于一致流形学习的人脸超分辨率算法研究[D]. 江俊君.武汉大学 2014
[2]面向监控视频的行人重识别技术研究[D]. 王亦民.武汉大学 2014
本文编号：3581394
【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：115 页
【学位级别】：博士
【部分图文】：
图１．１：行人重识别问题示意图
??照变化。如图１．２是不同监控摄像头下行人外貌变化的示意图（送些行人图像主要来??源于ＶＩＰｅＲ?［７３］、ＣＵＨＫ?［巧和犯ＰＥＳ?［１２〇］等数据集），其中每一列两张图像采集??自同一行人在两个不同监控摄像头下的画面。因此，行人重识别问题具有Ｗ下两个特??点。（１）在不同监控摄像头中，由于分辨率、光照和视角变化的影响，同一个行人对??象的不同图像视觉特征会产生一定程度的变化。（２）由于行人姿势及摄像头角度变化??影响，在不同监控摄像头中，不同行人对象的图像视觉特征可能比同一个行人对象的??视觉特征更相似。送使得行人重识别问题较之一般基于实例的视频检索要更加困难。??ｉｉｉｆｉｉｌｉｌｌｉｌ??ｉｉｉｉＷｌｆｆｆＰ??图１．２：不同摄像头下行人外貌变化示意图。??近年来，不少学者开始关注行人重识别问题，他们尝试解决因为视角变化、光照??变化、场景变化等造成行人外貌差异，设计判别力强、鲁棒、可靠的行人重识别算??法。自２００６年，澳大利亚国家信息与通信技术研究所在［１３］中首次提出行人重识别??概念Ｗ来
热点和重点。??１．２．１研究团队调研??图１．４中饼图展示了发表Ｈ篇上重要文献的团队，并显示了其占比情况。由图??可看到，开展行人重识别研究的包括芙国伦敦大学玛丽女王学院、香港中文大学、??中山大学、武汉大学、中国科学院自动化研究所等国内外研究机构。其中，英国伦敦??大学玛丽女王学院发表相关文献最多，这一机构１＾＾往在视频监控和计算机视觉的相关??领域如目标检测、目标跟踪等方向很多研究成果。同样地，其他重要研究机构也在Ｗ??往专注于公共安全、视频监控和计算机视觉应用等领域研究。所Ｗ，传统视频监控、??公共安全研究正带动着行人重识别方向研究的深入开展。??－己－??
【参考文献】：
期刊论文
[1]多特征融合与独立测度学习的行人再识别[J]. 齐美彬,胡龙飞,蒋建国,高灿. 中国图象图形学报. 2016(11)
[2]视频图像侦查与“云平台”图像信息资源探讨[J]. 包适罡,高原. 中国公共安全(学术版). 2016(03)
[3]基于多特征子空间与核学习的行人再识别[J]. 齐美彬,檀胜顺,王运侠,刘皓,蒋建国. 自动化学报. 2016(02)
[4]多方向显著性权值学习的行人再识别[J]. 陈莹,霍中花. 中国图象图形学报. 2015(12)
[5]平安城市发展历程回顾及未来发展方向展望[J]. 李龑翔. 中国公共安全. 2015(09)
[6]基于二次相似度函数学习的行人再识别[J]. 杜宇宁,艾海舟. 计算机学报. 2016(08)
[7]基于统计推断的行人再识别算法[J]. 杜宇宁,艾海舟. 电子与信息学报. 2014(07)
[8]效益最优视角下的我国视频侦查工作进路——基于周克华案、波士顿马拉松爆炸案、伦敦地铁爆炸案的比较研究[J]. 孔令勇. 福建警察学院学报. 2014(01)
[9]多特征融合的人体目标再识别[J]. 范彩霞,朱虹,蔺广逢,罗磊. 中国图象图形学报. 2013(06)
[10]坚定不移推进生态文明建设[J]. 马凯. 求是. 2013(09)
博士论文
[1]基于一致流形学习的人脸超分辨率算法研究[D]. 江俊君.武汉大学 2014
[2]面向监控视频的行人重识别技术研究[D]. 王亦民.武汉大学 2014
本文编号：3581394
本文链接：https://www.wllwen.com/shoufeilunwen/sklbs/3581394.html
