行人检测与行人再标识

视频监控是安全防范系统的重要组成部分，监控系统包括前端摄像机、传输线缆、视频监控平台。视频监控以其直观、准确、及时和信息内容丰富而广泛应用于许多场合。视频监控主要包括城市公共区域建设的“天网”系统、社会视频监控系统、卡口监控系统。视频监控采集的视频图像数据具有极高的价值。当发生案件时，可以运用视频监控发现线索、锁定目标、证实犯罪，作为新的侦查途径。

视频识别主要包括视频信息的采集及传输、视频检测和分析处理三个环节。通过智能分析模块，对视频画面进行识别、检测、分析，对异常情况进行目标和轨迹标记。智能分析模块基于人工智能和模式识别原理的算法。

行人检测与行人再标识是智慧公安和智能安防系统中的关键技术。行人检测是计算机视觉领域的一个重要研究方向，不同行人之间的表观差异较大，如行人的服装、姿态变化。基于深度学习的方法在性能上更有优势，成为该领域的主流方法。

行人再标识是视频监控研究领域的关键组成部分，目的是对出现在监控摄像头视域内的某个目标行人，在监控网络其他摄像头视域内的大量行人中将这个目标行人标识出来。

行人再标识，先根据行人特征表达方法获取行人图像的特征，对大量的行人图像进行训练，得到合适的衡量行人图像之间相似性的判别方法。对拍摄的某个目标行人的图像，将其与其他行人图像进行匹配，找到与其相似性最高的行人图像，实现目标行人的再标识。

深度学习是机器学习的一个子类，是机器学习众多算法中的一种，是拥有多个隐藏层的神经网络。深度学习可以理解为多层神经网络，是一种学习的模式，采用具有深度的模型进行学习。深度学习具有其他算法不具备的显著优势，特别在AI领域的应用中，使得深度学习解决问题的效果尤为突出，广泛应用于语音识别、图像识别、文本理解等众多领域。

机器学习是让机器从大量样本数据中自动学习其规律，并根据学习到的规律预测未知数据的过程。机器学习的目标是发现数据中暗藏的规律，由此对未知进行预测。这个过程要通过学习来实现，学习用到的材料则是大数据。

机器学习通过人工智能来分析、探索和预测趋势，并根据过去的变化预测未来的趋势。通过经典的机器学习算法，为客户提供智能应用程序，包括频繁模式挖掘、聚类、分类、推荐引擎（获得用户行为并从中发现用户可能喜欢的事物）、频繁子项挖掘（利用一个项集，如查询记录和购物目录，去识别经常一起出现的项目）。

人工智能是计算机科学与技术专业的一门重要的专业课程，运用计算机模拟和延伸人脑功能，模仿人脑所从事的推理、识别、理解、设计、学习、思考等思维活动，以此解决预测、规划等需要人类专家才能处理的复杂问题。人工智能关键技术包括专家系统、自然语言理解、人工神经网络。

基于沃达德大数据平台，通过对海量数据采集、处理、存储、分析和数据挖掘，根据数据的特性，采用合适的可视化方式，将数据直观地展现出来，以帮助人们认识数据、理解数据，同时找出包含在海量数据中的规律或者信息，预测未来发展趋势，进行智能化决策分析，使得数据资产成为核心竞争力。

#视觉识别#视频识别#视频监控#人工智能#