基于深度學(xué)習(xí)的攝像機(jī)網(wǎng)絡(luò)行人識別系統(tǒng)研究與實(shí)現(xiàn).pdf

1、隨著信息化的普及以及許多“智慧城市”項(xiàng)目的建設(shè)，視頻監(jiān)控系統(tǒng)在許多領(lǐng)域發(fā)揮著極其重要的作用，屬于智能交通、智慧安防等領(lǐng)域的基礎(chǔ)設(shè)施。但是在現(xiàn)實(shí)場景中基于攝像機(jī)的行人檢測仍然存在著諸多挑戰(zhàn)，多變的行人姿態(tài)和人體外觀，以及目標(biāo)之間的遮擋都影響著檢測器的效果。傳統(tǒng)機(jī)器學(xué)習(xí)方法，如HOG+SVM，ACF,DPM等已經(jīng)能較好地實(shí)現(xiàn)行人檢測，但檢測性能與實(shí)際應(yīng)用要求還存在一定差距。
　　深度學(xué)習(xí)方法利用強(qiáng)大的卷積神經(jīng)網(wǎng)絡(luò)提取更魯棒的行人特征，

2、能有效提高檢測準(zhǔn)確率，但是對光照過于強(qiáng)烈或者不足、行人目標(biāo)太小等現(xiàn)實(shí)問題還沒有很好的解決方案。多特征融合可以包含更多語義信息，從而對光照變換、部分遮擋等困難問題有一定作用。此外，不同尺度卷積層特征的結(jié)合，可以得到包含不同尺度的行人特征，為小目標(biāo)檢測提供更多細(xì)節(jié)信息?；谝陨纤悸罚疚膶?shí)現(xiàn)了一種基于深度網(wǎng)絡(luò)遷移學(xué)習(xí)的多攝像機(jī)目標(biāo)檢測與再識別系統(tǒng)，主要工作包括:1.介紹基于傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的主流行人檢測算法，進(jìn)行實(shí)驗(yàn)對比并指出其優(yōu)點(diǎn)和

3、存在的不足;2.目前主流的深度學(xué)習(xí)行人檢測算法Faster R-CNN、YOLO、SSD等都存在淺層特征表達(dá)不充分的問題，本文利用層數(shù)更多的殘差網(wǎng)絡(luò)作為檢測基礎(chǔ)網(wǎng)絡(luò)，得到更魯棒的行人特征;3.借鑒多通道聚合(ACF)算法的思想，在候選框生成之前對目標(biāo)不同尺寸的特征做多層特征融合，有效降低不同光照條件對目標(biāo)檢測的影響;4.將不同尺度候選框生成任務(wù)相互級聯(lián)，形成多任務(wù)網(wǎng)絡(luò)特征共享，加強(qiáng)對行人小目標(biāo)的檢測效果;5.搭建多攝像機(jī)行人檢測與再識別