无处可藏

  • JD AI Research 和北京大学的一组研究人员最近开发了一种用于视频监控网络的渐进式车辆搜索系统,称为 PVSS。可以实现更自动的监控

JD AI Research 和北京大学的一组研究人员最近开发了一种用于视频监控网络的渐进式车辆搜索系统,称为 PVSS。他们的系统在预先公布在 arXiv 上的一篇论文中提出,据称可以有效地搜索出现在监控录像中的特定车辆。

车辆搜索系统可以实现更自动的监控。例如,这样的系统可以允许用户输入查询车辆、搜索区域和时间间隔,以在白天的不同时间找出车辆所处的位置。

现有的车辆搜索方法通常使用视觉属性或车牌号来识别这些图像内的目标车辆。这些方法主要关注匹配,也称为车辆重新识别(Re-Id)

近年来,手工描述符和卷积神经网络(CNN)极大地增强了这些方法。尽管如此,由于不同摄像机的实例内变化和类似车辆之间的实例间差异,仅基于属性识别特定车辆可能是非常具有挑战性的任务。

在某些情况下,由于低分辨率和噪音问题,车牌也可能在监控图像中被误识别。

“一个完整的车辆搜索系统应该考虑车辆检测、索引、存储、匹配等诸多问题,”研究人员在他们的论文中解释道, “此外,由于不同摄像机的内部变化和极不确定的环境,基于属性的搜索无法准确找到同一车辆。”

PVSS 是研究人员开发的渐进式车辆搜索系统,据称能解决当前方法的局限性。该系统由三个关键模块组成:车辆数据爬行器、基于多粒度特征的车辆索引器、和渐进式车辆搜索器。

“为了保证搜索过程中的高精度和高效率,我们为车辆搜索系统设计了一系列的数据结构,”研究人员在他们的论文中写道。 “在爬行器中,不仅可以从监控网络中提取视觉内容,还可以提取相关联的环境信息。然后,基于深度学习的模型利用多模态数据来获得车辆的辨别力和稳健性,然后由多层次组织。在搜索过程中,以渐进的方式搜索车辆,包括特征域中的从粗到精的搜索和在物理空间中的从近到远的搜索。

本质上,车辆爬行器组件检测并跟踪监控视频中的车辆,将捕获的车辆图像、元数据和其他相关环境信息传输到云或服务器。随后,车辆索引器组件提取并索引车辆的多粒度属性,例如视觉特征和车牌指纹。

研究人员在 VeRi 数据集上评估了他们的渐进式车辆搜索系统,该数据集包含从实际环境中的20个监控摄像头收集的 50,000 多张图像。在这些测试中,PVSS 获得了显著的成果,优于所有仅仅外观的搜索方法和与之相比的多模态方法。

如果您关心监视问题,请回顾我们曾经介绍过的两部分反监视方法,一是对于普通逃逸,二是对于社会运动,其中都强调了车辆的敏感性。您应该知道这些研究给公民行动自由带来的危险:《隐身游戏:如何在监视遍地的社会里让自己完全消失》;《集会参与者有必要了解的基本安全措施

Anew vehicle search system for video surveillance networks

发表评论

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据