监控视频中基于人体关键点的步态识别研究

步态识别作为一种行为特征识别技术,相对于人脸识别具有图像分辨率要求低、可远距离识别、可夜间识别等优点,在视频侦查领域有广阔的应用前景。本文提出一种基于监控视频中人体轮廓关键点与质心之间位置关系特征表示,利用BP神经网络进行分类的步态识别方法。基于CASIA Dataset B进行实验,实验结果验证了所选步态特征的可行性,实现了较高的步态识别效果。     

多粒度跨镜识别系统及其应用

实现较大范围内人体跨镜识别,以代替或辅助条件要求苛刻的人脸识别,是目前利用计算机视觉技术进行安防应用的迫切需求。在算法层面,对基于多粒度表征的人体重识别算法进行深入研究,通过多支路网络对不同语义粒度级别的局部特征进行有效表示。在主流数据集的实验结果表明,提出的方法实现了超越现有的主流方法水平的重识别精度。在利用此算法进行跨镜人员检索的基础上,设计并提出了一套多粒度跨镜识别系统,具有响应快、性能强、系统稳定等特点。实战效率的提升验证了这一系统性能的优越性,为视频图像分析实战提供了很好的参考价值。     

基于人脸与步态特征的室外作业场景身份核验方法

在建筑、通信、电力等工程行业中,作业人员需要频繁执行室外作业。由于室外环境复杂,许多运维工作存在来自高压、高空、深坑等因素的高风险。安全事故一旦发生,将造成巨大的人员和财产损失。因此,需要在作业过程中对作业人员进行身份核验,以方便监督。然而,在传统的监督方式中,作业现场的人员管理和行为管控完全依靠人工核查,监控视频也依赖人工看守,无法做到人员身份实时核验以及对非作业人员入场的有效预警。针对室外作业场景中的作业人员身份识别,目前的研究方法大多基于人脸识别。人脸识别方法能够在作业人员脸部信息清晰且完整时准确识别出其身份信息。然而,当存在遮挡,以及受检测距离、检测角度等因素影响时,会造成脸部信息不完全或者模糊,导致采用人脸识别方法难以准确识别出作业人员的身份。步态特征是一种描述行走方式的复杂行为特征,包括脚的触地时间、离地时间和人体高度、双手摆动幅值等。相比人脸识别,步态特征识别有以下优点：第一,步态识别适用的检测距离更远,而人脸特征随着检测距离的增加识别难度明显上升;第二,步态特征识别是非主动识别,现场作业人员几乎随时随地处于行走状态,而人脸识别需要识别对象正对检测装置;第三,步态特征具有较强的特异性,不像人脸特征较易被模仿、修改。不过,单独采用步态特征进行识别,虽然在作业人员运动时可以捕捉体态信息进而较为准确地对其进行身份核验,但是无法对静态的作业人员进行身份核验。[JP]针对此问题,提出了一种多特征融合的身份核验方法,结合步态与人脸等多特征进行识别,不受衣着、环境等外在因素的干扰,可以有效提高身份核验的准确率。提出的融合人脸特征和步态特征的多特征身份核验方法包括身份注册阶段、训练阶段与测试验证阶段。身份注册阶段,人工标注人脸与步态信息,并录入人员信息库;训练阶段,首先利用相关网络提取视频中图像序列的步态轮廓图与人脸区域,然后利用深度学习网络模型提取相关特征,构建融合的特征向量与身份ID间的关系;测试阶段,首先判断图像中有无清晰人脸,如果有则使用多特征融合识别方法,否则仅通过步态特征进行特征匹配进而完成身份核验。结果表明,多特征融合方法在中科院自动化所的CASIA-A数据集上的分类准确率达到99.17%,数据集包含的3个视角下的分类准确率分别为98.75%,100%和98.75%。因此,所提方法可以有效提高单人场景中的身份识别准确率,是在室外作业场景中进行身份核验的一种有效方法。     

人脸识别及其在公安工作中的应用研究

目前计算机视觉最多且最受欢迎的应用之一就是人脸识别。针对人脸识别的3个过程——人脸的检测、人脸面部特征的定位、人脸的比对,人脸识别所用的主要技术包括人脸检测与跟踪技术、面部关键特征的定位及人脸2D形状检测技术、人脸确认与识别技术。由于人脸识别技术具有方便、易为人接受、不易伪造等优点,可用于身份认证、视频监测及视频资料检索分析等方面,随着其技术的成熟与发展,在公安工作中越来越得到广泛的应用。     

高速公路视频监控系统与人脸识别技术的结合应用

随着科学技术的发展,视频监控系统也在娱乐、教育、安全及生活等领域得到了推广应用,目前也朝着、数字化、网络化及智能化的方向发展。人脸识别在生物特征识别中是关键,目前人工智能的研究热点之一就是人脸识别技术。人脸识别技术广泛应用于访问控制、司法应用、电子商务和视频监控等领域。人脸识别过程以特征提取为核心,其可以对分类的速度和识别功能质量的高低产生一个非常直接有效的影响。在当今经济快速增长,人民生活水平日益提高的今天,高速公路视频监控系统与人脸识别技术的结合具有巨大实际意义和非常广泛的应用前景。     

基于OpenCV的人脸检测系统设计与实现

在生物特征识别技术中,人脸识别不同于指纹识别,人脸识别是最自然、最直接、最友好的识别方法。人脸检测和识别在身份认证、视频监控、公安系统等领域有着广泛的应用。本文利用OpenCV中提供的Boosted Cascade算法进行人脸识别,结果表明识别效率较高,效果好。     

封面图片说明：人工智能专题

 生物特征识别：通过个体生理特征或行为特征对个体身份进行识别认识的技术,包括指纹识别、人脸识别、虹膜识别、指静脉识别、声纹识别以及步态识别等。     

基于人脸识别技术的人证比对系统设计

针对复杂应用场景下人脸识别系统效率低、实时性差和证件信息运用不充分等问题,设计了基于人脸识别技术的人证比对系统.将该系统应用于多人脸视频场景中,可缩小人脸检测识别范围,提高识别速度和识别率,解决了复杂场景下人脸比对效率低的问题;采用补偿光的办法,解决了强背光对人脸图像检测及特征提取产生的影响.     

基于人脸识别技术的智能监控系统设计方案

视频监控在安全领域扮演着重要的角色,但视频监控通常只是录制现场视频图像,用于事后做证,缺乏主动性和智能性．在分析了视频监控系统的结构,介绍了可用于视频监控的人脸识别技术,最后提出了一种基于人脸识别技术的视频监控系统设计方案,以对视频画面中的人物进行识别,在特定目标出现后能做出相应的反应．     

视频监控云服务平台架构及关键技术研究

结合视频监控系统"云化"的发展趋势,提出通过构建视频监控云服务平台来提升视频应用效率和视频服务实战的能力,并按照"平台+工具"的设计理念给出了详细的架构设计和组成;接着重点对云存储系统、多租户技术、视频服务运营体系和智能工具集中关键技术的设计和实现进行详细论述;积极探索建立新的视频监控服务模式和服务体系,提出通过引入专业化视频监控服务运营商来负责视频监控资源和服务平台的建设和维护,实现公共安全服务化的目标。     

步态识别及其在智能视频监控中的应用

步态识别作为远距离下惟一可识别的生物特征识别技术,日益受到专家学者的关注.文章给出了步态识别的概念和相关原理;介绍了智能视频监控系统智能化处理的一些技术,并对步态识别在智能监控下的应用和发展前景做了分析.     

监控场景下视频中全局移动对象的异常行为自动识别

传统异常行为识别方法容易受到外界环境的干扰,导致识别精度低下;且开销较高。为此,提出一种新的监控场景下视频中全局移动对象的异常行为自动识别方法。对异常行为特征进行提取,选用的特征为目标运动轨迹特征和外接矩形框宽高比特征,通过位置动态对监控场景下视频中全局移动对象运动轨迹特征进行提取,通过最小外接矩形框对移动对象进行标记。依据特征提取结果,通过异常测量函数实现监控场景下视频中全局移动对象的异常行为自动识别。实验结果表明,采用所提方法对全局移动对象的异常行为进行自动识别,不仅识别精度高,且开销较低。     

教育教学视频搜索引擎架构及其关键技术研究

基于视频关键字的传统检索方法不能满足学习者检索特定学习内容的检索需求.通过分析教学课录视频资源的特征、结构以及资源的使用特点,规范教学课录视频资源制作标准,采用相关技术对视频资源进行预处理以及建立教学语义本体等一系列操作和处理,在此基础构架教学课录视频搜索引擎,实现教学课录视频资源的检索和利用,提高资源的共享率和利用率,帮助师范生或一线教师提高教育教学的能力.并且基于"首都师范大学基础教育课程点评平台"案例分析和阐述视频搜索引擎架构中的关键技术.     

步态识别综述

步态识别作为一种新的生物特征识别技术,通过人走路的姿势实现对个人身份的识别和认证。对步态识别所涉及到的运动分割、特征提取、模式识别算法进行了综述,并对步态识别中存在的问题及未来的研究方向进行了讨论。     

视频行人重识别研究进展

视频行人重识别是指在不同摄像头拍摄的视频中检索特定行人的技术.与图像行人重识别相比,视频行人重识别赋含信息更多,包含了帧与帧之间的时间信息、运动信息等,这有利于提高行人检索的准确率,因此视频行人重识别引起了国内外学者的广泛关注.本文探讨了视频行人重识别的处理过程,详细介绍了其中特征提取和距离度量的方法,并对各种特征提取方法的特点及应用进行了总结,给出了一些视频行人重识别实验数据集和评价标准,提出了视频行人重识别研究领域面临的挑战及相应的解决方案,最后对视频行人重识别技术未来的研究问题做了展望.     

基于混合蛙跳算法的长时间跨度人脸识别

面部特征中存在长时间不变特征和短时间不变特征,对两种特征分类,使用长时间不变特征完成长时间跨度人脸识别.首先以最佳覆盖为目标的特征对比方式,代替传统的以最佳划分为目标的特征对比方式,使用混合蛙跳算法实现特征对齐.然后根据时间段和特征值变化度计算每个对齐的特征点的权值和基准特征值,对长时间不变特征与短时间不变特征进行分类.在识别过程中,应用已识别的图像信息更新权值和基准特征值,进行长时间跨度的人脸识别.实验结果表明,该方法可以在以年为时间跨度的人脸识别过程中达到82%的识别率,优于其他算法.     

基于特征脸识别考勤系统设计

正前言生物信息识别技术是利用人体本身所固有的物理特征和行为特征,通过数字信号处理和模式识别的方法来鉴别个人身份的技术[1]。而人脸识别作为一种典型生物信息识别技术,以其自然性和可接受性等优点得到了人们的喜欢,可应用于军事及民用的各行各业中[2]。本设计目的是利用人脸生物信息识别技术,实现操作简单、使用信息方便、识别结果准确的人事考勤。本系统基于KL人脸识别技术设计考勤系统,在KL变换人脸识别算     

基于深度学习的人脸识别方法研究综述

针对基于深度学习的人脸识别这一生物特征识别领域的研究热点进行了综述.阐释了人脸识别及深度学习模型的基本结构;总结了该技术在国内外的研究现状及其应用,如基于卷积神经网络(CNN)的人脸识别方法、深度非线性人脸形状提取方法、基于深度学习的人脸姿态鲁棒性建模、有约束环境中的全自动人脸识别、基于深度学习的视频监控下的人脸识别、基于深度学习的低分辨率人脸识别以及其他基于深度学习的人脸信息的识别等;分析了当前人脸识别技术在深度学习应用中存在的问题及发展趋势.     

基于动态链表智能识别检测系统的设计与应用

随着人工智能的深入发展,模式识别技术现已通过人脸识别、图像识别等应用投入在交通、医疗等多个行业。但目前多数识别检测系统在技术实现方面固定了应用模式和范围,局限了相关系统的可扩展性及应用拓展。有鉴于此,设计开发了一个基于动态链表结构的、可支持多模式识别技术的智能检测系统,该系统可根据动态链表结构灵活识别多种模式环境下的检测目标,实现识别检测系统的智能化。此外,结合中小学教师信息技术应用能力提升工程为研究应用背景,以应用视频识别技术诊断中小学教师信息技术应用能力为案例,介绍相关技术的应用设计与实现。     

基于单频涡旋电磁波雷达的人体目标步态精细识别

现有基于传统平面电磁波雷达的人体目标识别技术能够实现对步态差异较大的人体目标的分类识别,但在步态精细识别方面面临较大困难。将涡旋电磁波雷达应用于人体步态识别中,尝试通过发射携带有轨道角动量的单频涡旋电磁波来增加雷达回波中的目标信息量,以提高人体步态精细识别能力。首先建立了人体目标的涡旋电磁波雷达回波模型,并仿真生成了3种步态下的回波数据集;然后通过将回波变换到基频,获得目标线多普勒和角多普勒混合信息并用时频图表征,最终将时频图输入到卷积神经网络模型中获得分类结果。仿真实验表明：相比于传统平面电磁波雷达,使用涡旋电磁波可以提升人体步态精细识别能力。