基于深度学习的行人追踪系统设计

近年来,行人重识别技术(ReID)逐渐成为视频监控领域的重要研究技术,不少研究员尝试将此技术投入到实际运用中。本文提出了将YOLOv3网络,深度学习网络和服务端结合作为一种实际运用方案。YOLOv3用于在实景环境中找出行人,通过coco数据集进行训练和测试,先将视频帧截取后对每一帧经过YOLOv3网络提取,保留对应人物索引和位置传入后续深度学习网络。深度学习网络采用Resnet50网络框架,Resnet50进行特征提取得到特征向量,使用欧氏距离计算与目标人物向量特征的距离,距离最小的便判定为同一目标人物,返回该人物索引,根据位置标注出目标人物。服务器端借助于Django框架,配置相关的网页文件,编写服务器响应程序。将行人重识别整体项目部署进服务器,并为之编写相应的UI界面,在网页端能够实现整个项目流程的运转以及客户端与服务器之间的交互。在本地实现整体网站的构建后,应用Cpolar内网穿透工具将本机端口通过http协议映射至外网,从而实现在外网也能随时查找与追踪行人。