论文部分内容阅读
随着现代信息技术的飞速发展,智能视频监控技术成为公安系统现代化信息建设的重要组成部分。公安系统通过部署在商场、火车站、汽车站、机场等重要场所的高清摄像头实时监控公共场所的各种人员信息,监管重点区域的治安动态,检测、追踪危险人员,提高城市治安管理工作效率。然而,随着视频监控系统规模的迅速扩大,以人工值守为基础的公安视频管理系统已不能满足庞大视频图像信息分析的需求。因此,面向海量图像资源的快速信息检索成为目前公安视频监控系统亟待解决的重要问题之一。本文针对公安信息系统对监控视频图像检索的需求,在现有的图像检索技术基础之上,提出了基于深度学习及哈希编码的海量图像信息检索技术。论文的主要工作如下:(1)针对当前海量图像检索技术中图像特征提取准确度不高的问题,研究了基于深度学习的人脸特征提取技术,提出了基于卷积神经网络的海量人脸识别图像检索方法。该方法利用卷积神经网络来获取高质量的图像特征从而提高整个检索架构的精确度。(2)以卷积神经网络的海量图像检索方法为基础,利用卷积神经网络中各层级之间提取的图像特征与哈希方法相结合进行哈希编码构建索引,对检索系统的速率进行了优化。实验仿真分析表明,在多个数据集包括MNIST、CIFAR-10以及FERET上检索精度都能达到90%以上并且提高了图像检索的速度。为了提高图像处理速度,对卷积神经网络进行并行化加速处理。通过实验分析,并行化处理的卷积神经网络处理50000张尺寸为32x32的RGB图像所需时间为32.16分钟,而未经并行加速的卷积网络处理时间需要42.13小时。相比于现有方法,速度提高了大约79倍。(3)以本文提出的海量图像检索技术为基础,构建了福州试点地区社区人群监管系统。实现了辅助门禁、检索以及逆向检索等功能。经过实际运行分析,系统的检索精度能够达到90%以上,平均检索一张图像的时间约为0.063秒,基本满足了当前人群监管的需求。