用于公共安全的视频检索研究

摘要

随着多媒体技术和网络技术的快速发展，以及各种视频压缩技术和大容量存储技术的相继出现，视频信息的获取、传播和存储变得越来越简单。同时一直以来，安全问题都是人们非常注重的一个问题，监控视频作为安全系统的关键环节，对其中的行人进行有效快速地检索已成为基于内容的视频检索领域研究的热点。但是一方面监控视频具有分辨率差且不同的摄像机位于不同的关照环境下的特点，另一方面行人的外观在不同的穿着和视角的影响下也会呈现不同的状态，使得此项技术面临巨大的挑战。
　　本文对行人检索中关键的行人检测、特征提取以及相似度度量技术分别进行了研究，设计并实现了一个基于行人特征和度量学习的行人检索系统。首先，比较了现有的行人检测中几种经典的背景差分法和基于统计学习的方法，提出了一种基于统计学习与背景差分法结合的方法，改善了行人检测的效果。随后，进行了LOMO特征，主颜色特征，形状特征以及人脸特征的提取，同时为了降低重复性检索工作，提出了一种基于运动对象面积以及脸部所占比例的关键帧提取方法，并对关键帧中人脸部分进行了插值处理。接着，研究了基于度量学习的行人再识别，实现了特征降维与相似距离的学习，并在常用的公开数据集上进行了实验。根据实验结果的CMC(Cumulative MatchCharacteristic)曲线表明，在排名前二十的检索结果中有90％的正确识别。最后，设计并实现了一个基于Web客户端与服务器的用户检索系统，该系统提供了模糊查询与图片查询两个功能模块。模糊查询采用了主颜色特征与视频时间结合作为输入，图片查询采用了单个行人图片作为输入的方式，经过实验表明，系统整体识别率达到了80％。