跨视域行人检索方法研究及刑侦应用

This project is based on object retrieval from surveillance videos in forensic intelligent video applications. The project goal is to do research on intelligent pedestrian retrieval in surveillance videos, high-level semantic based pedestrian retrieval, and trajectory mining. To this end, the key of this project is to research effective person re-identification, attribute analysis, and trajectory mining algorithms, so as to improve the accuracy and practical application of the cross-view pedestrian retrieval. Particularly, considering the difficulty of insufficient data currently encountered in cross-view pedestrian retrieval, this project will research on capturing full-view pedestrian data, and self-learning person re-identification distance metrics from unlabeled data, so as to break the insufficient data limitation, and advance both the research and application of pedestrian retrieval.The research of this project will establish a series of methods on cross-view pedestrian retrieval, so as to build a foundation for real applications of intelligent retrieval from mass surveillance videos, and advance both academy research and forensic video applications of intelligent video analysis technologies.

本项目面向公安视频侦查中海量监控视频的智能检索应用，旨在研究针对特定行人的监控视频智能搜索排查、高级语义分析检索和轨迹挖掘。为此，本项目拟重点研究有效的行人再辨识、属性分析和轨迹挖掘算法，提高跨视域行人检索的准确性和实用性。特别是，针对跨视域行人检索目前面临的数据缺乏的困难，本项目拟研究全视角行人数据采集，及无标签数据的行人度量自学习理论与方法，从而突破数据约束，提高行人检索的研究和应用水平。本项目的研究将建立跨视域行人检索的一整套方法，从而为海量监控视频智能检索的实际应用打下基础，推动学术研究的发展和智能视频分析技术在公安视频侦查中的实际应用。

本项目构建了一个行人检索平台，支持多路视频的综合分析，包括行人检测以及跨视频行人检索等功能，提出一系列创新性算法，解决现有检测算法和行人再辨识算法所面临的问题，有效促进了相关领域的发展。具体如下：针对基于锚点框的检测器效率低、通用性差等问题，提出基于渐近定位拟合的和基于中心和无锚点框行人检测算法；针对行人描述较为单一的问题，提出一种基于加权线性编码的多层描述子算法；针对现有行人再辨识领域缺乏大规模数据，提出一种随机自动产生大量三维人物模型的方法，得到一个大规模的虚拟行人数据集，并最终实现可泛化的行人再辨识；针对场景自适应差并且需要重新标记数据等问题，提出查询图自适应的卷积 QAConv以及无监督图关联的方法；针对不同域中模型泛化性差的问题，提出了一种无监督领域自适应的行人再辨识技术方案；针对现有深度模型训练时存在效率低、收敛慢以及所得到的特征鉴别力不足问题，提出增强深度学习模型。