基于深度特征的跨場(chǎng)景行人識(shí)別方法研究.pdf

1、隨著近些年來(lái)平安城市戰(zhàn)略的啟動(dòng)，在硬件方面，越來(lái)越多的高清攝像機(jī)出現(xiàn)在城市的各個(gè)地方。尤其是重點(diǎn)的公共場(chǎng)合以及重要卡口領(lǐng)域，這些地方的監(jiān)控?cái)z像機(jī)數(shù)量更加龐大。每當(dāng)在一個(gè)城市發(fā)生危機(jī)事件之后，往往需要調(diào)取周邊環(huán)境的海量監(jiān)控?cái)?shù)據(jù)，并從多個(gè)攝像機(jī)的監(jiān)控視頻畫(huà)面中尋找出來(lái)可疑目標(biāo)人物。然而，這些海量的監(jiān)控?cái)z像機(jī)安裝在各個(gè)地方且跨度很大，這就導(dǎo)致了需要花費(fèi)大量時(shí)間以及人員精力從這樣海量的監(jiān)控中尋找到該可疑目標(biāo)。如何從這些跨場(chǎng)景的監(jiān)控畫(huà)面中快速、有

2、效的找出可疑目標(biāo)是安防領(lǐng)域面臨的巨大挑戰(zhàn)和難題。
　　本文主要對(duì)監(jiān)控視頻場(chǎng)景下的行人進(jìn)行研究。由于行人是柔性物體，因此，在不同的攝像機(jī)下經(jīng)過(guò)的行人姿態(tài)變化巨大，同時(shí)由于安裝的監(jiān)控?cái)z像機(jī)的角度、分辨率不一致以及不同場(chǎng)景帶來(lái)的影響都導(dǎo)致了行人識(shí)別準(zhǔn)確率較低的問(wèn)題。面對(duì)這些難題，本文采用基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)模型獲取表達(dá)能力更強(qiáng)的圖像特征，實(shí)現(xiàn)在監(jiān)控場(chǎng)景下的跨場(chǎng)景行人識(shí)別。其主要貢獻(xiàn)有：
　　1、采用一種基于自適應(yīng)空間特征的深

3、度行人識(shí)別卷積神經(jīng)網(wǎng)絡(luò)。該方法首先根據(jù)行人特征空間分布的特點(diǎn)將行人圖片在空間上劃分為多個(gè)圖像塊；其次，使用多分支卷積神經(jīng)網(wǎng)絡(luò)分別自適應(yīng)的提取各個(gè)行人圖像塊的深度特征；最后，通過(guò)計(jì)算行人圖像深度特征的相似度判別行人圖像對(duì)是否屬于同一人。該方法能夠自適應(yīng)提取行人各個(gè)區(qū)域的深度特征，并取得良好的行人比對(duì)準(zhǔn)確率。
　　2、采用一種基于多分塊三重?fù)p失計(jì)算的深度行人識(shí)別網(wǎng)絡(luò)，來(lái)解決行人識(shí)別準(zhǔn)確率不高的問(wèn)題。具體來(lái)說(shuō)，本文采用一種多分塊三重?fù)p失

4、計(jì)算的方式來(lái)對(duì)提取的特征進(jìn)行反饋計(jì)算。
　?。?）三個(gè)行人圖像輸入到分割層當(dāng)中，各自分為上中下三塊，并在對(duì)應(yīng)的網(wǎng)絡(luò)當(dāng)中進(jìn)行特征提取；
　?。?）在經(jīng)過(guò)兩層卷積層提取行人特征之后，每一個(gè)行人的上中下三塊都有對(duì)應(yīng)的三重?fù)p失計(jì)算，并根據(jù)損失值進(jìn)行反饋調(diào)節(jié)；
　　（3）將所有的行人圖像進(jìn)行融合，并繼續(xù)在網(wǎng)絡(luò)當(dāng)中訓(xùn)練，通過(guò)分類(lèi)器進(jìn)行分類(lèi)輸出，在測(cè)試當(dāng)中根據(jù)輸出值判別行人對(duì)是否屬于同一個(gè)行人。該方法在公開(kāi)庫(kù)數(shù)據(jù)庫(kù)當(dāng)中與其他傳統(tǒng)方法