监控视频中特定人查找方法研究的中期报告.docxVIP

监控视频中特定人查找方法研究的中期报告 本次研究旨在探讨在大规模的监控视频中，如何通过机器学习等技术有效地识别并查找特定人。本报告为中期报告，主要介绍了已完成的工作和取得的进展。 1. 数据集准备 在本研究中，我们选择了开放的人体行为多目标跟踪数据集 MOT17、MOT16 和 MOT15 作为训练数据集。同时，我们也自己搭建了一套数据采集系统，并在办公室、会议室等场景下采集了一些视频数据作为测试集数据。 2. 监督学习算法的实现 我们采用了经典的卷积神经网络（CNN）进行人体跟踪和检测。首先，我们对数据集进行了预处理，包括帧采样、图像缩放等操作，以保证训练数据的质量。然后，我们使用 TensorFlow 框架实现了一个基于 Faster-RCNN 算法的人体识别模型，并使用该模型对训练数据进行了训练。 3. 特定人查找算法的实现 在训练好的模型的基础上，我们提出了一种基于特征向量的特定人查找算法。具体来说，我们首先通过神经网络模型得到每个人体的特征向量，然后，在待查找视频中，对每个检测到的人体也提取相应的特征向量。最后，我们使用余弦相似度（Cosine Similarity）来计算两个特征向量的相似度，并将相似度高于阈值的人体与待查找人体进行匹配。 4. 实验结果与分析 我们在自己搭建的测试集数据上进行了实验，实验结果表明，我们提出的基于特征向量的特定人查找算法能够在大约 80%