[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

说明书

本发明公开了一种基于深度卷积神经网络的行人重识别监控系统，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。通过本技术方案，能够有效减少多种对识别稳健性的不利影响因素，从而提高对行人目标进行相似度匹配正确率。

技术领域

本发明涉及计算机识别领域，尤其涉及一种基于深度卷积神经网络的行人重识别监控系统。

背景技术

以下陈述仅提供与本发明有关的背景信息，而不必然地构成现有技术。

行人重识别指在没有视角重叠的多台摄像机监控下，对行人目标进行相似度匹配的过程，即给定一个行人目标，在多台不同位置的摄像机不同时刻拍摄的视频中找到并锁定该目标。

在目前的技术当中，由于摄像机分辨率一般较低，较难得到人脸等有辨识度的特征，另外受光照、视角等影响，同一个行人在不同摄像机中有很大差异，同时，高维视觉特性通常难以捕获样本的不变因素，导致传统的行人重识别方法存在难以同时识别多个行人、运算消耗时间、识别效率和正确率偏低等不足。因此，行人重识别方法急需进一步研究。

发明内容

为了克服现有技术的不足，本发明所实现的技术目的是提供一种减少多种对识别稳健性的不利影响因素，从而提高对行人目标进行相似度匹配正确率的基于深度卷积神经网络的行人重识别监控系统。

为达到上述技术目的，本发明所采用的技术方案内容具体如下：

一种基于深度卷积神经网络的行人重识别监控系统，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。

需要说明的是，所述视频采集装置可以包括若干个视频采集点，便于从各个角度位置上采集视频信息，提高系统的可使用性。

为减少多种对识别稳健性的不利影响因素，如分辨率、光照、视角等，从而实现对于识别匹配更准确的技术目的，发明人在本技术方案中利用了深度卷积神经网络学习得出目标行人特征，通过度量学习算法对目标行人特征进行识别；由于所述深度卷积神经网络已经过学习训练，因此能够综合了行人的多种特征信息，从而在后续的识别中能够有效克服分辨率、光照、视角等对识别稳健性的不利影响，提高对目标行人进行相似度匹配的正确率。

优选地，所述视频采集装置包括高速网络球机和交换机，所述高速网络球机和交换机通过无线网络连接。

优选地，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。

需要说明的是，所述目标行人关键信息指的是颜色、性别及年龄段等，在此技术步骤中，仅需输入相关行人描述，通过自然语言处理之后会自动筛选出相关信息，系统根据这些信息利用视频采集装置进行采集，并进行行人识别匹配。

优选地，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。