面向公共安全的目标智能感知技术及应用

本书从公共安全事件出发，重点介绍了集中不同的应用场景，并总结了当前基于传统方法和深度学习方法解决方案，从而为公安机关在边境反恐和智慧公安等应用场景下的数据处理，算法实现等提供有效的参考。依托于国家重点研发计划项目“基于天空地一体化大数据的公共安全事件智能感知与理解”的课题“全天候关注目标检测追踪与理解技术”，将课题所产生的成果结合前沿的技术进行总结，归纳。

本书从背景概况，算法，实现，工程落地和应用示范等多个维度进行系统的讲解。全书共七章，第一章从宏观角度介绍了目标感知在公共安全的应用背景，同时阐述痛点和难点问题；第二章介绍了在公共安全领域中扮演重要角色的人员检测和识别问题，方便读者理解后续的人脸识别部分；第三章介绍了人脸识别问题，阐述如何利用人脸识别技术结合大数据分析检索违法犯罪份子；第四章介绍了车辆检测识别技术，阐述如何利用算法对车辆进行侦查，从而实现快速定位非法车辆；第五章讲解了面向内容安全的文字理解，讲述如何利用算法对违法/敏感文字进行识别；第六章着重介绍面向内容安全的多语种有害音频检测，介绍如何利用算法对语音中的敏感词进行检测和过滤。第六章介绍了具体的应用示范，讲解如何将前面所涉及的技术和方法进行有机的结合形成一个应用系统。本书内容详尽，囊括了常见的公共安全问题，并阐述了如何将智能感知算法有效的结合到这些问题之中。

高常鑫，男，1982年生，华中科技大学人工智能与自动化学院副教授，主要从事场景/目标图像解析、监控视频智能处理的研究工作。近5年以第一或通讯作者发表IJCV、CVPR、ICCV等高水平期刊会议12篇。谷歌学术引用3400余次，单篇*高引用980次。已授权发明专利67项，3项以成功转让。研究成果作为核心技术应用于面向公共安全的智能视频监控，取得了显著的经济和社会效益，获2019年湖北省科技进步一等奖。入选第十二批“3551光谷人才计划”，入选华中科技大学“华中卓越学者”晨星岗。

第1章绪论(1)1.1公共安全智能感知的概念与特点(1)1.1.1公共安全智能感知的概念(1)1.1.2公共安全智能感知的特点(2)1.2公共安全智能感知面临的挑战与关键难题(3)1.2.1公共安全目标智能感知技术研究概述(4)1.2.2全天候关注目标检测追踪与理解技术完成情况(6)1.2.3全天候关注目标检测追踪与理解系统及应用(8)第2章人员检测与识别(11)2.1人员检测技术(11)2.1.1相关数据集(11)2.1.2任务挑战分析(17)2.1.3基于特征设计的检测方案(20)2.1.4基于深度学习的检测方案(28)2.1.5人员检测技术小结(33)2.2行人搜索技术(33)2.2.1行人搜索技术简介(33)2.2.2行人搜索数据库(35)2.2.3行人搜索方法(37)2.3行人重识别技术(42)2.3.1数据集(43)2.3.2关键方法(50)2.3.3封闭世界ReID方法(51)2.3.4开放世界ReID方法(65)2.3.5研究工作展望(81)2.4面向公共安全的人群计数(82)2.4.1背景概览(82)2.4.2基于传统方法(83)2.4.3基于CNN的密度图回归(84)2.4.4自适应尺度学习网络(86)第3章人脸识别(91)3.1背景概览(91)3.2国内外研究综述(94)3.2.1人脸检测技术(94)3.2.2人脸识别技术(97)3.3数据集(98)3.4关键方法(102)3.4.1人脸预处理(102)3.4.2人脸图像的特征学习(103)3.5应用(109)3.5.1重点人员识别(109)3.5.2公安交管动态人脸识别(111)3.5.3人脸识别技术在校园的应用(113)3.5.4人脸识别技术在慕课学习平台的应用(114)3.5.5疫情下人脸口罩佩戴识别应用(116)3.5.6微表情识别案例(119)第4章车辆检测与识别(133)4.1车辆侦查简介(133)4.2车辆检测技术(135)4.2.1车辆检测技术简介(135)4.2.2车辆检测数据库(137)4.2.3车辆检测方法(139)4.2.4基于SSD和车辆姿态分类的车辆检测(145)4.2.5车辆检测实用案例(149)4.3车牌识别技术(152)4.3.1车牌识别简介(152)4.3.2车牌识别数据库(153)4.3.3车牌识别方法(156)4.4车辆属性识别技术(157)4.4.1车辆属性识别简介(157)4.4.2车辆属性识别数据库(158)4.4.3车辆属性识别方法(159)4.4.4车辆多属性识别方法(160)4.4.5车辆检测与属性学习统一框架(162)4.4.6车辆检测与属性学习演示系统(166)4.5车辆重识别技术(166)4.5.1车辆重识别简介(166)4.5.2车辆重识别数据库(167)4.5.3车辆重识别方法(171)4.5.4融合属性的车辆重识别方法(173)4.6小结(178)第5章面向内容安全的文字理解(179)5.1背景概览(179)5.2文字检测和识别的难点(181)5.3场景文本检测技术(182)5.3.1场景文本检测任务介绍及难点(182)5.3.2场景文本检测数据集及评价指标(183)5.3.3场景文本检测技术介绍(186)5.4场景文本识别技术(196)5.4.1场景文本识别任务及难点(196)5.4.2场景文本识别数据集及评价指标(196)5.4.3场景文本识别技术介绍(198)5.5端到端文本检测识别技术(208)5.5.1端到端文本检测识别任务及难点(208)5.5.2端到端文本检测识别数据集及评价指标(209)5.5.3端到端文本检测识别技术介绍(210)5.6场景文本检索技术(215)5.6.1场景文本检索任务及难点(215)5.6.2场景文本检索数据集及评价指标(216)5.6.3场景文本检索技术介绍(217)5.7小结(221)第6章面向内容安全的语音信号处理(222)6.1语音信号简介(222)6.1.1语音信号的产生与接收(222)6.1.2语音的声学特征(224)6.2深度学习的基本理论(227)6.2.1概述(227)6.2.2卷积神经网络(227)6.2.3长短时记忆网络(229)6.2.4卷积残差网络(231)6.3基于深度神经网络的语音分离(232)6.3.1语音分离的背景(232)6.3.2语音分离的训练目标(233)6.3.3基于DCCRN的语音增强系统(234)6.3.4性能评估(237)6.4语种识别(239)6.4.1语种识别实验(240)6.4.2传统语种识别方法(240)6.4.3基于深度神经网络的语种分类(241)6.5有害音频检测(243)6.5.1关键词检测研究现状分析(243)6.5.2端到端语音识别算法模型(244)6.5.3基于深度神经网络的有害音频检测(248)第7章面向内容安全的目标智能感知应用示范(250)7.1应用示范概述(250)7.2目标智能感知系统(251)7.3标志性成果(252)7.3.1复杂场景文字检测识别算法(252)7.3.2复杂场景音频处理技术(253)7.3.3多尺度多场景下的人员检测技术(253)7.3.4轻量化的人脸检测和识别技术(254)7.3.5车辆检测与车辆属性识别的统一框架(254)参考文献(256)