基于深度學(xué)習(xí)的多攝像機協(xié)作監(jiān)控系統(tǒng)目標(biāo)匹配方法研究與系統(tǒng)實現(xiàn).pdf

1、在智能多攝像機協(xié)作監(jiān)控系統(tǒng)中，目標(biāo)匹配一直是研究的重點與難點問題。目前應(yīng)用較廣的目標(biāo)匹配方法主要是基于特征的目標(biāo)匹配，特征選取的有效性直接影響匹配結(jié)果的準(zhǔn)確性。深度卷積神經(jīng)網(wǎng)絡(luò)能夠提取到豐富的圖像中層特征表示，已在圖像處理領(lǐng)域得到了廣泛應(yīng)用，但其在目標(biāo)特征提取的過程中，需要調(diào)整大量的參數(shù)以及大量有標(biāo)簽的訓(xùn)練樣本來對網(wǎng)絡(luò)進行建模，阻礙了其在小規(guī)模樣本上的應(yīng)用，并且網(wǎng)絡(luò)權(quán)值的初始化具有一定的隨意性，不能很好地體現(xiàn)出訓(xùn)練樣本自身屬性對于網(wǎng)絡(luò)結(jié)

2、構(gòu)的影響。因此，本文實現(xiàn)了一種基于深度網(wǎng)絡(luò)遷移學(xué)習(xí)的多攝像機目標(biāo)識別系統(tǒng)，首先利用Caffe框架在大數(shù)據(jù)庫ImageNet上進行網(wǎng)絡(luò)預(yù)訓(xùn)練建模，將得到的中層圖像特征表示遷移于行人數(shù)據(jù)庫CAVIAR上進行微調(diào)測試，并構(gòu)建了相應(yīng)的多攝像機協(xié)作監(jiān)控系統(tǒng)進行實驗。結(jié)果表明，盡管ImageNet數(shù)據(jù)庫與CAVIAR數(shù)據(jù)庫在對象屬性上有著較大的差異，但預(yù)訓(xùn)練出的網(wǎng)絡(luò)卻具有相當(dāng)好的泛化性能。提出了一種基于局部保持投影濾波器的深度學(xué)習(xí)框架，并將其應(yīng)用到