分布式视频中运动车辆同一性时空关联检索的关键技术研究

It is the difficult problem that focusing on the distributed areas in video of the same moving target in intelligent video retrieval, and the limited to area and objects is a sub-problem to retrieve the same vehicle objects in the same roads and multiple bayonet in the distributed video retrieval. The problem to be solved related to two key issues:the vehicle object's consistency of high-definition images and associated standard definition video in the same bayonet, and the vehicle object's identity in the adjacent bayonet video. In order to solve the consistency problem of the images and video in the vehicle objects, this article will use the following methods and analyze the correspondence relationship of the object image and video vehicle,the methods including the keyframes group and diverse characteristics extraction,multiscale feature matching and multi-feature fusion classification. Through time and space correlation analysis and multi-factor fuzzy evaluation method to constructe positive correlation credible sequence and inversely associated with credible matrix, using the matrix algorithms in distributed video vehicle object identity credible assessment of the forward and reverse link, in order to solve the problem of the identity of the object of distributed video vehicle; And building the same road of vehicle object identity space-time correlation in distributed video retrieval model. These algorithm and models will provide the means to guide the engineering of the vehicles governance.

在关注区域的分布式视频中进行同一运动目标的视频检索是智能视频检索中的难点问题，而在同一道路多个卡口的分布式视频中检索出同一运动车辆是难点问题中的区域与对象受限子问题。解决该问题，涉及到同一卡口高清图像与关联标清视频中车辆对象的一致性和相邻卡口视频中车辆对象的同一性两个关键问题的研究。本课题拟采用关键帧组与多元特征的提取、多尺度特征匹配和多特征融合分类等方法，分析图像与视频中车辆对象的对应关系，以解决图像与视频中车辆对象的一致性问题；通过时空关联分析和多因素模糊评判等方法，构造正向关联可信序列和反向关联可信矩阵，运用矩阵算法研究分布式视频中车辆对象正反向关联的同一性可信评估，以解决分布式视频中车辆对象的同一性问题；并建立同一道路分布式视频中车辆对象同一性时空关联检索模型，给出可用于指导工程化的方法，为"灰牌照"车辆治理提供手段。

（1）项目的研究背景及意义.基于图像的车型识别技术在视频车辆识别、车辆检索等大数据方面的深度应用已成为智慧交通研究的重要方向之一。车型识别是一个多分类问题，需要通过提取能够带来区分度全局与局部车型的干净特征，并通过多特征融合算法获得准确率高、稳定性好的识别效果。进行同一运动目标的视频检索，从同一道路多个卡口的分布式视频中检索出同一运动车辆，涉及到怎样从同一卡口图像与关联视频中得到区分度大、识别高、效果稳定评定方法，使其车辆对象的一致性，怎样从相邻卡口图像与关联视频中得到同一运动目标的检索对象，以解决对象的一致性与同一性两个关键问题。.为解决上述问题，促进智能视频检索在智慧交通综合管理中的应用，需要开展如下几个方面的研究。.（2）主要研究内容及其重要结果.1）研究了关键帧组提取与图像噪声去除方法。.运用道路虚拟线框划分和撞边算法，实现了关键帧组的提取；通过形态学处理和边缘检测等预处理实现了噪声去除；运用帧修复法实现了车辆轮廓清晰化。.2）研究了车型检测与分类算法的问题。构建了包含车标、车身颜色、车箱形等车辆分类标准的特征模型库；运用多种方法实现了颜色、三维几何和运动方向特征的提取；利用tensorflow中的卷积神经网络，实现了对车脸部位特征的细致提取；利用caffe框架中的AlexNet和GoogleNet方法，对车辆图像进行网络训练与测试，得到了比传统SVM等方法更好的车型识别结果。.3）研究解决了图像和关键帧组中车辆对象的一致性问题。对同一时空视频与图像进行区域分辨率的尺度和特征的归一化，利用分层判别法或加权多特征比较法筛选出与对象一致性的车辆。.4）研究了车型检测与分类的同一性问题。运用不变性特征和特征分类比较法构建了车辆同一性分析模型；按照线性、循环和分支模型分类，构建了同一性时间分析模型；按照全局性与局部性特征分类，构建了在同一道路的分布式视频中基于多特征融合车型识别的车辆对象同一性时空关联检索模型和检索流程。