基于深度學習的多攝像機協作監(jiān)控系統目標匹配方法研究與系統實現.pdf_第1頁
已閱讀1頁,還剩55頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、在智能多攝像機協作監(jiān)控系統中,目標匹配一直是研究的重點與難點問題。目前應用較廣的目標匹配方法主要是基于特征的目標匹配,特征選取的有效性直接影響匹配結果的準確性。深度卷積神經網絡能夠提取到豐富的圖像中層特征表示,已在圖像處理領域得到了廣泛應用,但其在目標特征提取的過程中,需要調整大量的參數以及大量有標簽的訓練樣本來對網絡進行建模,阻礙了其在小規(guī)模樣本上的應用,并且網絡權值的初始化具有一定的隨意性,不能很好地體現出訓練樣本自身屬性對于網絡結

2、構的影響。因此,本文實現了一種基于深度網絡遷移學習的多攝像機目標識別系統,首先利用Caffe框架在大數據庫ImageNet上進行網絡預訓練建模,將得到的中層圖像特征表示遷移于行人數據庫CAVIAR上進行微調測試,并構建了相應的多攝像機協作監(jiān)控系統進行實驗。結果表明,盡管ImageNet數據庫與CAVIAR數據庫在對象屬性上有著較大的差異,但預訓練出的網絡卻具有相當好的泛化性能。提出了一種基于局部保持投影濾波器的深度學習框架,并將其應用到

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論