一种可跨摄像机的人群密度估计模型

为实现人群密度估计模型的跨摄像机应用,提出一种模型构建方法。利用地理信息系统(GIS)技术,将视频数据统一至GIS空间坐标系,在GIS中实现人群图像的尺度统一,在GIS空间构建模型以实现其可跨摄像机应用,并将视频监控系统与GIS有机集成,研发人群密度实时感知系统。研究结果表明,基于提出的模型构建方法,利用某摄像机数据构建的模型能被应用于其他摄像机监控场景,无需为各摄像机构建模型。所研发人群密度实时感知系统,已成功应用于"2012年江苏·秦淮灯会"。

一种用于大型交通枢纽的跨摄像机行人再识别算法研究

跨摄像机行人再识别是大型交通枢纽安防监控的基本功能,它为后续行人跨摄像机跟踪和行为识别提供支持。由于交通枢纽内行人的外观特征受遮挡、运动形变和光照变化影响显著,且目前常用的行人再识别算法对上述影响因素的鲁棒性不太理想。因此,文章提出了一种适用于大型交通枢纽的跨摄像机行人再识别算法。该算法用1个图像序列代替单幅行人图像作为查询图像,同时,采用系统抽样方法将图像序列进行分组。然后以组为单元进行相似度计算,并将计算结果作为特征训练Adaboost分类器。最后综合各分类器输出结果来判断识别结果。在iLIDS和ETHZ两个具有挑战性的数据集上进行实验,结果表明文章提出的算法优于目前其他行人再识别算法。

多线索融合的无视野重叠跨摄像机行人跟踪算法

针对单个摄像机视野有限而无法满足日益扩大的监控范围的现象,对无视野重叠的跨摄像机行人跟踪算法进行了研究,并提出了一种融合时空线索和外观线索的无视野重叠跨摄像机行人跟踪算法。在对已有摄像机网络拓扑结构估计算法分析的基础上提出了一种基于加权时间窗口的无视野重叠摄像机网络拓扑结构估计算法;然后利用朴素贝叶斯完成两种线索融合,实现不同摄像机间行人匹配和跟踪信息的传递,最终实现无视野重叠区域的跨摄像机行人跟踪。该算法在公开的MCT数据集上进行对比实验并取得了优于其他算法的结果。

跨摄像机行人再识别研究综述

跨摄像机行人再识别是智能视频监控系统中一个基本的任务,跨摄像机行人再识别就是鉴别出行人在摄像机网络中不同摄像机里出现的确认的过程,近些年其已成为计算机视觉领域的研究热点并受到了许多研究领域的关注。摄像机间拍摄距离、拍摄角度、分辨率等差异和时空信息的不确定性使得跨摄像机行人再识别面临巨大的挑战,同时也激励着研究者不断发现新算法来解决问题。此文通过对近些年公开发表的论文进行梳理,阐述了跨摄像机再识别目前面临的困难、当前的研究现状和将来的研究趋势。

跨摄像机视频目标追踪核心技术分析

本文基于人工智能、视频大数据和图像解析技术,实现跨摄像机协同监控下的目标检测跟踪,提升公安机关海量视频的警务应用效能。本文重点介绍了目标面部遮挡情况下的目标检测技术,提出了基于该技术的大数据问题高效解决方案。

混合交通交叉路口跨摄像机自行车再识别研究

为了从跨摄像机自行车协同跟踪过程中获得高精度的动态运行轨迹,针对跨摄像机自行车跟踪过程中再识别问题进行了试验研究。考虑到混合交叉路口环境复杂、室外光照变换强烈、摄像机拍摄视角差异等因素的影响,提出了一种在无视域重叠条件下基于样本序列分组相似性度量的混合交通交叉路口跨摄像机自行车再识别算法。采用统计学方法,将自行车样本划分为3个部件并统计出各部件分割比,通过对自行车图库中各部件提取的特征进行聚类分析得到对应部件原型特征。采用对比分析法,将样本序列代替单个样本作为查询图像并对样本数进行了定量分析。从特征鲁棒性设计方面进行分析,通过将每个样本部件与对应部件原型进行相似性度量形成更具抽象性的原型相似度特征。通过系统抽样的方法将图像序列进行分组,并采用组内全连接而组间不连接的方式计算样本间相似度来改善算法时间复杂度。为了有效分析该算法的性能,制作了1个自行车再识别数据集BIKE1,并且在分组性能评估、部件原型参数设置以及同类算法性能比较3个方面进行了试验对比。研究结果表明:采用样本序列作为查询图像具有更高的识别准确率,并且将样本序列分为2组时识别率最高;自行车样本划分为3个部件有效地增强了算法对光照变化等影响因素的鲁棒性;与当前同类算法相比,所提算法具有更高的识别率。

体育场景中的视觉目标跟踪研究进展

目标跟踪是计算机视觉中构建复杂运动分析系统的关键任务之一。体育运动比赛因其趣味性深受广大观众喜爱,对体育视频中的运动目标进行跟踪在赛后复盘、技术提升、教育教学以及媒体传播上都有着广阔的应用前景。近年基于深度学习的体育视频跟踪技术取得了显著进展。本文首先介绍了体育视频中目标跟踪研究背景,给出了基于深度学习的体育目标跟踪的定义与分类。其次分别从球类目标跟踪、单摄像机运动员跟踪以及多摄像机多运动员跟踪三个方面总结了体育视频中目标跟踪的研究现状,提炼出统一的算法流程并对其进行技术分析和总结。最后讨论了体育视频中视觉目标跟踪存在的挑战和未来发展方向。

多摄像机视场下基于一种DTN的多人脸实时跟踪系统

为了实现跨摄像机区域的多人脸图像跟踪,提出了一种基于双三分支孪生网络(DTN)的跨摄像机跟踪网络。具体方法是应用Chinese Whisper(CW)人脸聚类算法对同一行人的人脸图像进行聚类,并根据聚类结果通过智能监控确定捕获的目标人脸。通过改进FaceNet的网络结构和训练函数,实现了行人面部的精确跟踪。在LFW数据集上训练DTN后,通过边缘样本挖掘损失(MSML)和焦点损失难样本平衡训练,人脸识别率可以提高到99.51%。实验结果表明:通过比较同一视频监控场内人脸特征的相似性,所提网络可以通过该区域跟踪行人的人脸目标;通过摄像机间人脸特征的实时传输,实现了跨摄像机的人脸跟踪。

一种用于多源人脸图像检索的损失函数改进策略

目前,公安机关刑侦部门大量的离线视频存储在监控网络的服务器中,为了在这些海量视频帧中提取嫌疑人目标人脸,设计了人脸检索系统。通过改变CNN网络的RELU结构,训练新的四分支孪生网络来获取深度特征,构造了一个新的四分支孪生网络。结合网上发布的逃犯人脸图片发起通缉,借助深度特征对比展开基于内容的图像检索(CBIR)。新的四分支孪生网络比熟悉的网络,如Alexnet、Googlenet、VGGNet和ResNet等收敛得更快,系统鲁棒性好。网络的共享权重设计使得检索具有较高的模型训练精度和检索精度。图像深度特征可以在摄像机之间快速在线共享。实验结果表明,该方法的平均检索精度(ARP)为98.74%,模型训练精度为99.51%,帧率为28 FPS。