跨相机车辆识别的关键技术研究

作     者：黄心官 

作者单位：大连海事大学 

学位级别：硕士

导师姓名：鲁明羽;李欢

授予年度：2016年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：跨相机 车辆识别 时空网络图 词袋模型 海明编码 

摘      要：随着国民经济的高速发展、高速公路、城市道路、停车场建设越来越多,对交通控制、安全管理的要求也日益提高,对视频监控的智能要求不断提高。单相机对区域的监控范围有限,无法满足人们的要求。因此,使用多相机进行大范围的监控成为现在的主流。本文研究跨相机的车辆识别技术,实现不同相机之间的车辆配准,并通过实验来检验其有效性。本文使用DPM(Deformable Part Model)方法进行车辆检测,根据检测结果确定车辆目标。这样可以过滤掉图像中大量的背景信息,降低计算的复杂度,提高车辆识别的准确度。实验结果表明使用DPM方法可以检测到部分遮挡车辆,效果优于传统车辆检测方法。在车辆检索中,本文使用的是基于词袋模型和海明编码的方法。海明编码的主要作用是把同一类中的特征点近一步细分,解决了传统视觉词袋模型聚类中心选择过大或者过小所造成匹配精度下降的问题,有效地提高了 SIFT特征点匹配的准确度。还提出了多重分配的方法,可以减少了那些遗漏的匹配,进一步提高匹配精度,从而提高车辆识别的精度。在跨相机车辆识别中,把车辆视频帧对准问题转换成网络流问题,把视觉和时间当作一个整体进行考虑,减少对视频关键帧的依赖,使得整个网络模型对关键帧的选择不敏感。把视频部分对准问题转换到一个网络流问题,求相似的视频片段就转换为网络流的最优路径问题。通过对视觉和时间一致性的结合,使得该系统具有可扩展的视觉和时间上的一致性。最后,通过跨相机车辆识别证明,本文的方法能够对跨相机进行有效的识别,准确率高达81.71%,查全率高达84.1%。本文解决了跨相机车辆识别的部分难题,为跨相机车辆识别的广泛应用奠定了基础。