跨镜追踪技术在安全保卫系统中的应用

目前最新的跨镜追踪技术的实际应用效果显示,其跨摄像头、跨场景下的目标识别与检索的效果已能有效替代人力检索,表明了跨镜追踪技术已发展到一个关键节点,具备在相关场景下充分应用的基础。文章介绍了跨镜追踪技术的发展情况并对其应用作进一步探索,通过研究跨镜追踪技术的来由以及技术现状,分析其关键难点及最新解决方案,探索跨镜追踪技术的应用方向。

多相机重叠视域下的筛上杂物检测与跨镜追踪

传统杂物检测方法在脱泥筛中应用时,杂物的位置和运动轨迹随着筛机震动难以预测,且视野受到激振器等设备的遮挡,导致目标杂物在盲点区域内发生轨迹偏移。针对以上问题,提出了一种多相机重叠视域下的筛上杂物检测与跨镜追踪方法,利用两台相机协同工作。其中,第一台相机使用YOLOv5对杂物做目标检测,确定杂物位置并将结果映射到第二台相机的视域内。第二台相机基于SORT算法对初始帧初始坐标进行追踪,实时监测和更新杂物的轨迹。该方法在提高检测准确性和追踪效率的同时,降低了计算复杂性。

基于深度学习的跨镜追踪技术浅析

跨镜追踪技术是现在计算机视觉研究的热门方向,主要解决跨摄像头跨场景下行人的识别与检索。该技术可以作为人脸识别技术的重要补充,可以对无法获取清晰拍摄人脸的行人进行跨摄像头连续跟踪,增强数据的时空连续性。

基于行人重识别的目标跨镜追踪系统的设计与实现

介绍行人重识别技术的基础理论,并对智慧安防、智能寻人领域常用的数据集和评价指标进行了总结。为满足工程需求,在数据集上对一种基于全局特征的行人重识别网络模型进行了训练和测试。对基于行人重识别的目标跨镜追踪系统进行设计,使系统具有行人目标图像匹配和行人目标跨镜追踪两大核心功能,以便有效地对目标人员进行多场景下多摄像头的持续追踪。

改进型深度迁移学习的跨镜行人追踪算法

跨镜行人追踪是计算机视觉和视频监控公共安全体系构建等领域的重要课题。伴随大规模数据集的发展和深度学习网络的广泛研究,深度学习在跨镜行人追踪问题中取得了良好效果。然而在应用中,除了监控视频自身的不同摄像头、不同视角引起的不同视觉表象变化外,面向跨镜行人追踪的整体数据集偏小,具有标记的训练数据样本量更小,从而制约了基于深度学习的跨镜行人追踪效果。提出了改进型深度迁移学习的跨镜行人追踪算法,将在大数据集上训练好的成熟模型进行微调并迁移到目标数据集上,结合目标数据进行优化,使其能更好地针对新数据集做特征提取。在模型训练过程中,通过改进三元组损失函数,拉近相同样本之间的距离,加大不同样本之间的距离,同时设定正样本之间的最大距离阈值,从而保证特征空间生成的簇不会太大,利于模型的优化。该算法减少了深度学习训练模型的时间,避免了小数据集上数据量不足等缺点,提高了跨镜行人追踪的准确度。在五个基准数据集上的跨镜行人追踪对比实验显示,改进算法取得了良好效果。

智慧工地视觉智能技术深化应用探讨

【目的】油气储运建设工程的工地现场环境恶劣、作业危险系数高、施工人员成分复杂,工地安全管理面临巨大困难,而视觉智能技术的应用可为提升工地安全管控能力提供有效的技术支撑。【方法】针对视觉智能技术在智慧工地中应用的不足,提出全周期管理模式的理念,围绕全周期管理模式深入分析和探讨视觉智能技术在智慧工地中的深化应用,结合工地安全实际管理需要,提出智慧工地全周期管理的视频AI十安防模式,并对智慧工地视觉智能技术的应用发展趋势进行展望。【结果】智慧工地全周期管理的视频AI十安防模式构建了全场景安全监控、全要素风险识别、全方位事件管理的安全管理运行保障机制,确保了安全管理无盲区、无遗漏,实现了智慧工地安全管理的全面性、连续性以及精细化;通过对海量视频数据的深度挖掘分析,可更加全面地理解工地安全问题和管理挑战,建立数据驱动、数据指引的管理决策机制,通过更加智能、精准地分析研判和科学决策可进一步提升工地安全管理的质量和效能。【结论】智慧工地全周期管理的视频AI十安防模式将智能监控与智能研判创新应用于工地安全管理的事前、事中、事后各个环节,每个环节相互关联构成了完整的安全管理循环,消除管理盲区实现了全方位的安全管理,可为油气储运行业技术人员在智慧工地场景深化应用视觉智能技术提供参考与借鉴。(图4,参21)