基于生物视觉模型的行人识别研究

发布时间：2024-01-22 07:29

　　视频监控在智能交通、个人行为识别、群体行为分析、商场和社区的安全监控、犯罪嫌疑人跟踪等领域有着广泛的应用。由于视频监控的场景大、背景复杂、光线条件差,很难提取到人脸等有效特征,要想在视频中查找某个人,主要还需要依靠人力检查。这种操作方式效率低下,漏检率高。所以,将智能科学与图像处理结合起来,实现自动查找,具有重要意义。本文利用了最为典型的两种生物视觉模型:脉冲神经网络和卷积神经网络。在设计新的识别模型中,利用脉冲神经网络中的神经元间通过脉冲交换信息的机制,调整神经元脉冲产生的电压阈值可以过滤一些非关键信息。根据生物视觉系统中感受野模型和分层原理构建出来的卷积神经网络模型,被用来自动提取出数据集的最有效的特征。脉冲神经网络和卷积神经网络都采用目前飞速发展的GPU并行计算技术来实现。在行人识别领域,最为常见的一种应用是根据抓拍到含有某个人的图像,在不同的摄像头的视频中进行查找。如果待查找行人已有较多不同场合的相片包含在训练集中,可通过分类识别技术来解决。如果待查找行人的其他场合相片很少甚至没有包含在训练集中,则可以通过行人重识别技术来解决。本文对行人识别的分类问题和重识别问题都做了研究。对...

【文章页数】：121 页

【学位级别】：博士

本文编号：3882451