改进型深度迁移学习的跨镜行人追踪算法

李 博

重庆警察学院 刑事科学技术系，重庆401331

基于监控视频资料的客观性、完整性、连贯性、实时性、可回溯性、不可避免性等特点和优势，视频监控已成为实现社会公共安全的最重要技术手段之一，广泛应用于社会各领域。基于计算机视觉技术的监控信息智能化处理已成为视频监控系统发展应用的必然趋势。其中，具有人脸识别功能的视频监控已取得广泛应用，然而在实际监控场景中，由于成像设备自身硬件因素，复杂的成像环境因素，视频信号压缩编码、通信传输、存储等环节出现的失真、丢失、干扰等因素，使得视频往往呈现复杂的质量问题，且摄像头更多捕获的是行人的头顶、侧脸或全身影像，往往无法抓拍到行人清晰的正面照，难以达到直接检测和识别目标人脸的条件，直接和单纯依靠人脸识别技术的应用往往难以发挥作用，从而造成大量有价值的视频资料被闲置。作为人脸识别技术的重要补充，跨镜行人追踪（Person Re-Identification，Re-ID，又称为行人重识别、行人再识别）技术应运而生，主要解决跨摄像头、跨场景下行人的识别与检索。该技术能够根据行人的穿着、体态、发型、运动特征，以及相关的交通工具、携带物品等信息认知行人，在实际应用中对无法获取清晰人脸的行人进行跨摄像头连续跟踪，增强数据的时空连续性，从而有效解决跨时空、跨设备、跨场景的视频人像目标检索、定位、轨迹跟踪，从而成为计算机视觉、人工智能研究的重要方向，更成为智能安防、智能寻人、智能商业等应用领域中的重要技术。……