《協同視頻監控中的行人再辨識關鍵技術》是依託北京郵電大學，由趙志誠擔任項目負責人的面上項目。
基本介紹
- 中文名：協同視頻監控中的行人再辨識關鍵技術
- 項目類別：面上項目
- 項目負責人：趙志誠
- 依託單位：北京郵電大學
項目摘要,結題摘要,
項目摘要
行人再辨識是在跨攝像機協同監控中，在傳統基於生物特徵方法失效的情況下，針對大量的空間盲區域環境實現監控對象身份一致性判別的一種新興技術，對反恐、公共安防及平安城市的建設有著極為現實的意義。當前，研究者主要從外觀特徵設計和相似度度量兩個方面對行人再辨識進行了研究，但由於在跨攝像機條件下，攝像機視角、光照條件、攝像機的參數都不同；此外，人體的非剛性、變化的姿態、運動及遮擋等因素都會使行人的外觀出現巨大差異。因此，現有算法存在特徵提取及表示方法單一、相似性度量模型泛化能力不強、重排序技術缺乏研究等不足。本項目將深度學習、局部度量學習、半監督學習、重排序等技術引入跨攝像機行人再辨識，在現有算法存在的幾個關鍵問題上取得突破，提高行人再辨識的準率，為建立大數據協同監控平台提供支撐。
結題摘要
項目組從跨場景跨攝像機條件下行人再辨識的理論入手，圍繞行人匹配過程中突出的幾個難題，例如特徵提取與表示、相似度度量等，從傳統的典型相關學習、度量學習到深度學習，循序漸進地開展行人靜態外觀和動態外觀的特徵提取與學習、多種深度再辨識網路的構建；同時，將傳統度量學習與深度學習進行結合，提出了深度度量學習網路；項目組還借鑑視覺注意機理，並將其引入再辨識領域，提出了時空顯著性網路來克服由遮擋等造成的不利影響。此外，在結果後處理了方面，項目組開展結果重排序的研究，提出了多種有效的重排序策略。為了提高算法的實用價值，研究了跨庫行人再辨識，先後提出了基於KNN和Kmeans的無監督學習算法，提高了跨場景行人再辨識的泛化性。最後，項目組構建了面向攝像機關聯的智慧型監控平台，服務於智慧校園和平安校園。系統除了進行行人再辨識外，還擴展了人臉識別、多目標跟蹤、異常事件檢測等諸多功能。在資料庫的建設方面，項目組構建了大規模行人庫，其一是行人檢測庫包括397,000個行人，其二是動態行人序列跨攝像機行人對資料庫。在項目執行期間，項目組發表SCI期刊論文11篇，EI檢索論文8篇，授權技術專利1項，培養博士生6名，碩士生7名。
