基于无人机图像的行人重识别技术

无人机图像由于摄像头位置较高、视角较偏,难以获得人脸的清晰图像,在此情况下,人体图像所包含的信息,例如身材、体态等就成为了识别此人身份的重要线索。文章针对无人机拍摄的视频进行行人重识别,在检测到行人后,将输入图像区域转化成特征向量,并用特征向量的距离衡量不同行人的外表相似程度。一方面行人重识别模型被用于跟踪行人目标,另一方面,随着无人机巡逻的进行,会将作出异常行为的个人进行记录,并随时将新出现的行人与记录在案的危险分子进行比对,判断是否有危险分子出现。实验证明,设计的行人重识别技术在无人机视角下有着较好的识别效果。

基于度量学习和深度学习的行人重识别研究

视频监控网络发展速度不断加快,视频样本呈现系统化、复杂化、海量化发展趋势。行人重识别作为非重叠视角域多摄像头网络下的行人图像匹配技术,可以判断不同定位摄像头在不同时刻拍摄行人目标的一致性。笔者主要研究基于度量学习和深度学习的行人重识别技术,希望能够进一步有效促进我国网络视频监控的规范化和现代化发展。

5G时代人工智能识别技术在视频侦查中的应用

虽然视频侦查为侦查破案开拓了新的渠道,也经过了几年的发展,但目前看,“比对与查找”还基本停留在人工方式。这其中耗费了大量的时间和人力,对破案的效率有一定的影响。5G时代的到来使得视频侦查手段得以进一步发展,本文对5G时代下的行人重识别技术进行了阐述,并总结说明了该技术在侦查中的应用。

Hi-Geo-Ti:基于层次地理划分时间线的行人轨迹可视化分析系统

随着计算机视觉技术的发展,行人重识别技术得到了广泛的应用.为了有效地分析海量的行人轨迹数据的时空相关性,提出一个可扩展的可视化分析系统Hi-Geo-Ti,应用分层(hierachical)地理(geographical)时间轴(timelines)可视化系统,允许用户从海量图像存储中即时提取和可视化行人的轨迹.特别地,Hi-Geo-Ti将行人重识别产生的关联与摄像机的时空属性相结合,在此基础上创建了三维轨迹图与二维时序故事图的交互组合,直观地解决了行人轨迹时空复杂度问题,快速有效地分析海量轨迹的相关性.以分析Covid-19的传播过程为例,展示了结合行人重识别技术该系统在抗击疫情中的助力作用,并进行用户研究验证设计的有效性.