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

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