[发明专利]一种基于深度卷积神经网络的行人重识别监控系统

权利要求书

1.一种基于深度卷积神经网络的行人重识别监控系统，其特征在于，所述系统包括：视频采集装置，识别监控装置和行人数据库；

所述视频采集装置用于采集被测行人图像；

所述行人数据库用于存储目标行人图像；

所述识别监控装置用于从所述视频采集装置获取被测行人图像；从所述行人数据库中获取所述目标行人图像，利用所述目标行人图像应用深度卷积神经网络学习得出目标行人特征；并根据所述目标行人特征匹配判断所述被测行人图像是否为目标行人。

2.如权利要求1所述的行人重识别监控系统，其特征在于，所述识别监控装置还包括输入装置；所述识别监控装置还用于从所述输入装置中获取所述目标行人描述后，通过自然语言处理所述目标行人描述并筛选出目标行人关键信息，然后利用所述目标行人关键信息应用深度学习得出目标行人特征。

3.如权利要求1所述的行人重识别监控系统，其特征在于，所述识别监控装置还用于利用所述视频采集装置采集所述目标行人的运动视频和运动轨迹，并将所述目标行人的运动视频和运动轨迹信息对所述目标行人的未来运动轨迹进行预测。

4.如权利要求3所述的行人重识别监控系统，其特征在于，所述识别监控装置还用于在预测所述目标行人的未来运动轨迹后将所述未来运动轨迹进行可视化显示。

5.如权利要求1所述的行人重识别监控系统，其特征在于，所述深度卷积神经网络的构建方法是利用在ImageNet上预训练好的AlexNet神经网络，并利用所述行人数据库中的数据集进行训练得出。

6.如权利要求5所述的行人重识别监控系统，其特征在于，所述行人数据库的数据集包括带有标签的公共数据集和不带有标签的真实数据集。

7.如权利要求6所述的行人重识别监控系统，其特征在于，所述公共数据集包括VIPeR、CUHK01、iLIDS中的一种或多种。

8.如权利要求6所述的行人重识别监控系统，其特征在于，所述深度卷积神经网络的构建方法还包括数据集迁移学习，即利用所述公共数据集的训练标签，并利用所述公共数据集迁移到真实数据集中训练神经网络。

9.如权利要求8所述的行人重识别监控系统，其特征在于，所述迁移学习的具体方法包括：

假设所述公共数据集为给定源域S上带标签的数据集合，所述真实数据集为目标域T上没有带标签的数据集合，首先，将S域上带标签的训练数据的风格迁移到T域的风格之上；然后，利用风格迁移后的训练数据，训练出一个re-ID模型。

10.如权利要求9任一项所述的行人重识别监控系统，其特征在于，所述迁移学习所采用的算法是相似度循环一致对抗生成网络源-目标迁移算法。