【摘要】：隨著交通基礎設施的完善,道路交通中車輛數(shù)量猛增,一系列交通公共安全問題頻發(fā)。交通監(jiān)控視頻中的車輛重識別工作作為大規(guī)模車輛識別,智能交通,監(jiān)控的核心模塊,在維護社會公共安全方面發(fā)揮著關鍵作用。車輛重識別旨在快速檢索、定位和跟蹤監(jiān)控攝像機網(wǎng)絡中的目標車輛,從而可以在不同攝像頭拍攝的圖像中識別相同的車輛。在進行車輛重識別時,傳統(tǒng)方法是使用車牌信息作為車輛身份的唯一標識進行檢索,但是車牌信息存在偽造、遮擋、套牌等情況,為有效解決使用車牌信息進行車輛重識別帶來的準確率瓶頸問題,同時考慮車輛本身特點,增強對外觀極其相似的同款車輛的區(qū)分度。本文基于深度學習,提出基于Hard Triplet的多任務學習的車輛重識別模型。將表征學習與度量學習相結合,從粗粒度和細粒度兩個維度進行特征學習。使用表征學習完成對包括車輛車型、顏色等屬性的粗粒度特征提取;在度量學習中,則通過級聯(lián)反饋的方式,在剔除表征學習學習到的屬性特征后,學習屬于車輛的細粒度特征。同時,使用改進的Hard Triplet,解決屬于同款車型但是不同ID的車輛間難以區(qū)分的問題,極大提高車輛重識別的準確率。實驗證明,與使用傳統(tǒng)的簡單Triplet相比,使用Hard Triplet改進度量學習損失函數(shù),準確率提升約5%。此外,為了在海量車輛數(shù)據(jù)集進行重識別時縮短檢索時間,設計了桶檢索方式。相比于線性檢索,桶檢索可以在海量數(shù)據(jù)檢索時,實現(xiàn)犧牲部分精度換取更快檢索速度的目的。針對目前公開的車輛數(shù)據(jù)集存在的數(shù)據(jù)量小、車輛圖像質量較差等問題,本文基于交通監(jiān)控視頻圖像,整理并提出大規(guī)模車輛數(shù)據(jù)集BUPT-Vehicle,共計303539張圖,含24419輛車輛,928種車型,13種顏色,并逐一對車輛屬性信息進行標注,為車輛重識別領域的后續(xù)研究提供幫助。本文設計的基于Hard Triplet的多任務學習的車輛重識別模型不僅可以有效解決交通監(jiān)控視頻下的車輛重識別問題,還可以用于細粒度車型識別、顏色識別等工作。
【圖文】：

圖２－ｌ［２Ｑ］基于局部特征的ＲｅｌＤ方法逡逑２．２．３基于表征學習的ＲｅｌＤ方法逡逑而在車輛重識別的實際應用場景中，監(jiān)控攝像頭對車輛拍攝角度的顯著變致局部關鍵區(qū)域明顯不同，僅通過局部特征進行車輛重識別難以實現(xiàn)較高。因此，一些代表性的工作更喜歡表征學習方法。逡逑得益于ＣＮＮ的迅猛發(fā)展，表征學習取得了重大進步。表征學習通過訓練大得對數(shù)據(jù)的有效表示，從而在分類任務或預測任務中更容易提取有用信息。過使用ＣＮＮ對大量數(shù)據(jù)進行訓練，根據(jù)分類、識別等不同的任務需求自中進行特征提取。表征學習是ＲｅｌＤ領域的一個非常重要的基準，并且魯訓練比較穩(wěn)定。逡逑目前針對重識別任務主要開展兩類工作，一個是將重識別任務看為分類問題已經(jīng)標注好的車輛的車型信息為監(jiān)督條件，輸入大量車輛圖像數(shù)據(jù)，ｉｆｉｃａｔｉｏｎ邋Ｌｏｓｓ損失函數(shù)進行分類學習，，根據(jù)預測出的車輛類別信息計算損失

和類內(nèi)差異（ｉｎｔｒａ－ｃｌａｓｓｖａｒｉａｎｃｅ）兩種問題。但由于車輛細微的類間（Ｉｎｔｅｒ－ｃｌａｓｓ）差逡逑異以及較大的類內(nèi)（Ｉｎｔｒａ－ｃｌａｓｓ）差異，對于基礎類別車輛而言，屬于同一邋ＩＤ的車輛逡逑由于姿態(tài)、背景、拍攝角度的不同，表現(xiàn)出較大的類內(nèi)差異，如圖３－ｌ（ａ）圖所示。同逡逑時，不同ＩＤ的車輛（類間）之間又表現(xiàn)出較大的類間相似性，如圖３－ｌ（ｂ）圖所示，逡逑同一視角下的同款車輛不同ＩＤ的車輛外觀特征極為相近。因此，較之其他類別的圖逡逑像識別任務，車輛重識別難度更大。逡逑（ａ）邐（ｂ）逡逑■ｍｒ邋~|一逡逑圖３－１［３９］類內(nèi)差異和類間相似性示意圖逡逑（ａ）邋ｉｎｔｒａ－ｃｌａｓｓ邋ｖａｒｉａｎｃｅ邋（類內(nèi)差異）逡逑（ｂ）邋ｉｎｔｅｒ－ｃｌａｓｓ邋ｓｉｍｉｌａｒｉｔｙ邋（類間相似性）逡逑因此，要想順利的對兩輛極為相似的車輛進行準確區(qū)分，最重要的是在圖像中找逡逑到能夠區(qū)分這兩個車輛的區(qū)分性的區(qū)域塊，并能夠對這些有區(qū)分性的區(qū)域塊的特征逡逑進行較好的表示。如圖３－１邋（ｂ）圖所示，使用紅圈進行標記的細微特征區(qū)域產(chǎn)生用于逡逑細粒度車輛識別的辨別特征，從而區(qū)分不同ＩＤ的車輛。例如使用車輛車臉上的年檢逡逑標的貼放位置、飾物、紙巾盒、貼圖、刮痕等細粒度特征
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：U495;TP391.41

【相似文獻】

相關期刊論文 前10條

1 夏榮;吳彬;袁文勤;;監(jiān)控視頻恢復技術研究[J];網(wǎng)絡安全技術與應用;2017年02期

2 馬元元;李向偉;劉艷飛;;海量監(jiān)控視頻分級摘要生成系統(tǒng)研究[J];現(xiàn)代電子技術;2017年13期

3 王嘉陳;周瑞;凌啟尉;倪洋;趙明明;;不同監(jiān)控視頻角度同一姿態(tài)的同一性研究[J];科技視界;2016年12期

4 魏聚山;;基于內(nèi)容的監(jiān)控視頻特征提取和檢索技術研究[J];科技展望;2016年24期

5 李子川;;監(jiān)控視頻時間信息調查與分析[J];中國刑警學院學報;2015年02期

6 陳炫波;;方圓合一[J];湖南教育(D版);2017年01期

7 張維;;獲獎之后[J];喜劇世界(下半月);2017年01期

8 亦諾;;你是將軍,他是兵[J];女子世界;2017年02期

9 鄭歡歡;薛朝玉;;“大學生‘飛踹’女童事件”作文導寫[J];高中生學習(作文素材);2017年Z2期

10 謝素軍;;你必須是那個兇手[J];微型小說選刊;2014年06期

相關會議論文 前10條

1 李國輝;代科學;;一種基于運動量的監(jiān)控視頻事件挖掘方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學術會議（HHME2005）論文集[C];2005年

2 高美容;于明;;一種監(jiān)控視頻分段的方法[A];2007北京地區(qū)高校研究生學術交流會通信與信息技術會議論文集（上冊）[C];2008年

3 劉童;王世亭;周春來;;監(jiān)控視頻摘要算法研究[A];第十屆全國信號和智能信息處理與應用學術會議�？痆C];2016年

4 譚琦;米向飛;;一種基于前端設備的監(jiān)控視頻清晰度評價方法[A];天津市電視技術研究會2015年年會論文集[C];2015年

5 歐溫暖;田緒紅;朱同林;;基于課室監(jiān)控視頻的課堂行為計數(shù)分析[A];第五屆全國幾何設計與計算學術會議論文集[C];2011年

6 黃紫藤;吳玲達;;監(jiān)控視頻中簡單人物行為識別研究[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

7 李勇;彭宏;;網(wǎng)絡監(jiān)控視頻數(shù)據(jù)的采集與壓縮[A];浙江省電子學會2010學術年會論文集[C];2010年

8 吳秀敏;唐志偉;張輝;;基于火災監(jiān)控視頻的人員疏散行為統(tǒng)計分析[A];2013中國消防協(xié)會科學技術年會論文集[C];2013年

9 甘金明;;基于DSP的路燈監(jiān)控視頻捕捉器設計[A];全國第二屆信號處理與應用學術會議�？痆C];2008年

10 李博;李國輝;涂丹;;非重疊監(jiān)控視頻中行人目標的檢測與匹配[A];第七屆和諧人機環(huán)境聯(lián)合學術會議（HHME2011)論文集【poster】[C];2011年

相關重要報紙文章 前10條

1 記者 廖夢若;旅館業(yè)監(jiān)控視頻需保存60日以上[N];廣西法治日報;2019年

2 中國城市報 許竟 整理;社區(qū)辦園點監(jiān)控視頻與公安聯(lián)網(wǎng)[N];中國城市報;2017年

3 晏揚;禁止傳播監(jiān)控視頻，該不該[N];中國青年報;2013年

4 本報記者 徐胥;給監(jiān)控視頻裝上“最強大腦”[N];經(jīng)濟日報;2018年

5 本報記者 王陽;昆山反殺案引公共監(jiān)控視頻管理之問[N];法制日報;2018年

6 本報記者 譚彥敘 通訊員 高英巍;蹊蹺!兩輛不同顏色的車受損情況卻一模一樣[N];人民公安報;2017年

7 本報記者 王自然 通訊員 劉培川;成都民警幫助獨行老人過馬路成“網(wǎng)紅”[N];人民公安報;2017年

8 本報記者 李吉勝;中學生賭氣出走 民警耐心尋下落[N];人民公安報;2017年

9 本報記者 張志敏 通訊員 王梅珍;探頭“站崗” 鼠標“巡邏”[N];運城日報;2017年

10 許輝;監(jiān)控視頻豈能隨意直播[N];江西日報;2017年

相關博士學位論文 前9條

1 鮑天龍;基于深度學習的監(jiān)控視頻中的異常事件檢測和對象識別[D];中國科學技術大學;2019年

2 費風長;監(jiān)控視頻中人群異常事件檢測方法的研究[D];江西財經(jīng)大學;2018年

3 高立青;治安監(jiān)控視頻大數(shù)據(jù)中的行人行為識別方法[D];大連理工大學;2017年

4 張賢國;基于背景模型的監(jiān)控視頻編碼研究[D];北京大學;2013年

5 馬浚誠;面向葉部病害識別的設施蔬菜監(jiān)控視頻關鍵幀提取方法研究[D];中國農(nóng)業(yè)大學;2016年

6 朱烽;跨視域攝像頭網(wǎng)絡下的監(jiān)控視頻結構化與檢索[D];中國科學技術大學;2017年

7 聶婕;人體生理活動監(jiān)控視頻中的關鍵事件檢測[D];中國海洋大學;2011年

8 王亦民;面向監(jiān)控視頻的行人重識別技術研究[D];武漢大學;2014年

9 張興國;地理場景協(xié)同的多攝像機目標跟蹤研究[D];南京師范大學;2014年

相關碩士學位論文 前10條

1 陳娜;交通監(jiān)控視頻中車輛重識別技術研究與實現(xiàn)[D];北京郵電大學;2019年

2 潘玉霖;金融安全監(jiān)控視頻的行為分類與識別[D];北京郵電大學;2019年

3 石燾;HTML5下監(jiān)控視頻安全播放系統(tǒng)的研究與實現(xiàn)[D];西安理工大學;2019年

4 李辰征;基于深度學習的行人屬性識別技術研究[D];中國科學院大學(中國科學院國家空間科學中心);2019年

5 曹磊;基于SIFT算法的監(jiān)控視頻背景提取及移動目標檢測[D];廈門大學;2018年

6 楊振青;監(jiān)控視頻中的異常目標檢測技術研究[D];安徽大學;2019年

7 劉李啟明;監(jiān)控視頻異常事件檢測方法研究[D];杭州電子科技大學;2018年

8 李文博;面向監(jiān)控視頻的視覺增強和行為分析研究[D];中國科學技術大學;2018年

9 胡飛;監(jiān)控視頻中目標檢測與追蹤算法的應用研究[D];吉林大學;2018年

10 武琦;監(jiān)控視頻中低分辨率人臉識別研究與應用[D];長安大學;2018年

本文編號：2624658