【摘 要】
：
视频监控作为计算机视觉领域的典型应用之一，现已广泛应用于道路安全，公共安防、智能交通等民用与军事领域。针对监控视频下的跨摄相机行人重识别技术对城市安全具有重大意义。行人重识别是指对于出现在某个监控视频中的行人，跨设备检索该行人图像，判断其是否出现在其他摄像头中。为实现监控视频中的行人重识别，本文主要完成以下几个方面的工作： 首先，本文对目前流行的基于深度学习的行人检测算法进行比较，并提出改进的S
论文部分内容阅读
视频监控作为计算机视觉领域的典型应用之一，现已广泛应用于道路安全，公共安防、智能交通等民用与军事领域。针对监控视频下的跨摄相机行人重识别技术对城市安全具有重大意义。行人重识别是指对于出现在某个监控视频中的行人，跨设备检索该行人图像，判断其是否出现在其他摄像头中。为实现监控视频中的行人重识别，本文主要完成以下几个方面的工作：
首先，本文对目前流行的基于深度学习的行人检测算法进行比较，并提出改进的SSD算法，把ResNet作为基础网络对多尺度行人目标进行检测，提高了目标检测精度，并且针对监控视频下的行人检测的特点，对默认框的长宽比进行改进，使目标定位精度更高。实验结果表明改进后的SSD算法不仅能够达到较快的运行速度，精度上也有显著提升。
为了更好地提高网络对行人特征的识别能力，本文结合了分类模型和验证模型，学习具有判别性的特征和相似度度量的同时充分利用了re-ID标注，用它们的互补性来提高判别能力。此网络不仅在公共数据集如 Market-1501、CUHK03 上得到不错的效果，在自己标注的校园监控视频数据集上也得到了验证。然后结合本文改进的行人检测算法，实现了在监控视频中实时检索特定行人的功能。
针对行人重识别现有数据集样本不足的情况，本文使用深度卷积生成对抗网络来生成未标记的样本，通过CNN网络进行特征学习，并使用离群值标签平滑正则化对未标记图像进行均匀的标签分配。实验表明加入 GAN 生成的数据有效地提高了 CNN 的判别能力，在公共数据集以及校园监控视频数据集上实现了对其他基础网络模型的改善。同样也将改进后的算法和行人检测相结合，实现了在监控视频中实时检索特定行人的功能，验证本文方法的有效性和实用性。
其他文献
随着通信、计算机和人工智能相关技术的发展，以及任务场景复杂度的加深，多智能体（Multi-agent）系统的编队包围控制已经成为了一个热门的研究领域。多智能体的编队包围控制要求智能体的状态保持一致，并且系统对特定感兴趣的目标形成一定的编队队形。目前，基于测量的编队包围控制存在以下问题：忽略了部分智能体不能够测量到与目标间的相对位置信息这种情况。而在该情况下，已有的编队包围控制器难以满足编队包围的要
随着科技的迅猛发展和信息化时代的到来，图像描述生成任务在跨模态内容检索、人机交互、机器人导航等研究领域和电子商务、儿童教育等应用领域具有深远的研究意义和广阔的应用价值。传统的图像单句话描述生成模型由于单句话涵盖能力有限具有细节描述缺失和个体偏差的问题，密集字幕生成模型由于分立短语关联性弱具有物体间关系缺失和无法高效人机互动的问题，故本文将研究重点放在段落级的图像描述生成上，旨在解决上述问题，生成细
近年来，生物特征识别技术已经受到越来越多的研究和关注，它可以为我们提供一种有效且可靠的个人身份识别方法。作为一种相对较新的生物特征，掌纹识别由于具有分辨力强、对用户友好、特征丰富等特点近来受到越来越多的国内外学者的关注。虽然二维掌纹识别具有易于采集、成本低的优点，但是二维掌纹图像容易受光照变化、角度翻转以及表面脏污的影响且可能被伪造的假手掌欺骗。三维掌纹识别技术在一定程度上克服了上述二维掌纹识别技
闸机作为城市轨道交通线网运营管理中重要的交互设备之一，其通行控制的性能直接关系到乘客的出行体验和企业的票务收益。随着城市轨道交通迈入“网络化运营”时期，城市轨道交通承担着越来越繁重的城市客运工作。现有的基于红外传感器的闸机乘客通行行为识别算法已经难以满足复杂场景下的检测需求。如何高效地提取出更为完整的乘客通行时的姿态特征，从中检测并识别出乘客的通行行为，以避免客流量较大时的各种问题和风险，具有重要
随着科学的发展和技术的进步，人工智能成为最热门的科技话题之一，越来越多的人工智能产品从理论研究走向实际应用。家庭生活的各个角落也都出现了人工智能的踪迹，从手机到电视，从音箱到冰箱，从扫地机器人到服务机器人，人们的生活发生了翻天覆地的变化。语音交互作为一种重要的人机交互形式，常被用到智能家居中。为了使智能家居产品实现更加自然、高效的人机交互，让其能够感受和分辨人的情感，家庭环境中语音情感识别的实现具
随着计算机技术的飞速发展，深度学习技术在各领域的应用日益广泛，但是对抗样本的出现，给人工智能安全领域敲响了警钟。研究表明：深度神经网络具有天然的漏洞，非常容易受到对抗样本的攻击。精心设计的对抗扰动可以让图片产生人眼难以辨别的差异，但却会令神经网络面模型做出错误的分类。早期的对抗攻击技术仅局限于数字世界中，近几年，以对抗补丁为代表的对抗攻击技术正向物理世界中发展，攻击的目标也由分类模型向目标检测模型
目标检测是计算机视觉领域一个热门问题，它不仅广泛地应用于工业检测和智能驾驶等实际场景，也对解决人脸检测和实例分割等更复杂的视觉问题有着重要的作用。 近年来，随着深度学习的发展，深度神经网络凭借其强大的特征提取能力和优异的表现性能被广泛地应用于目标检测任务当中，诞生了一些经典算法，并在相关领域展现出了巨大的应用价值。然而，尽管目标检测算法已经取得了巨大的成功，却仍然在尺度变化、采样等方面存在着巨大
实际工程系统中往往存在未知参数、时变时滞等干扰因素，这些因素不可避免地对系统的控制效果产生影响。如何针对此类系统设计输出反馈控制器值得研究。本文基于齐次系统理论、Lyapunov稳定性理论、动态增益技术以及增加幂积分法，研究一类具有未知齐次增长率的非线性系统的输出反馈控制问题。论文主要工作如下： 1、针对一类具有时变时滞的非线性系统，考虑其全局输出反馈控制问题。由于非线性项满足上三角结构的齐次增
分布式传感器网络在环境监测、机器人协同工作、无人机编队飞行等民用和国防领域具有广泛的应用。在分布式传感器网络中，由于不同技术和部件之间的互联，以及传感器等智能体之间的互联，传输的数据容易受到攻击，从而导致传感器网络的运行遭到破坏。为了能够有效地抵御外部恶意数据注入的影响，本文设计了一种带有攻击检测的分布式滤波算法。该攻击算法可以有效识别虚假信息，维持系统安全运行。同时，考虑到攻击检测器的引入会使传
字符识别、人脸识别、生物医学图像识别等图像识别技术在诸多计算机视觉领域有重要的应用价值，准确高效的图像识别是当前模式识别领域的热门研究课题。传统基于Gabor小波的图像识别方法提取的特征向量维度高，识别效果较差；近年来基于深度学习的图像识别方法取得了较好的识别效果，但仍然存在模型复杂度高、训练时间长、对外界环境变化鲁棒性差等问题。本文在对Gabor小波以及卷积神经网络深入分析的基础上，针对基于Ga