監(jiān)控系統(tǒng)在公共安全方面發(fā)揮著至關(guān)重要的作用,隨著監(jiān)控系統(tǒng)規(guī)模的越來越大,傳統(tǒng)的人工監(jiān)測(cè)方法已經(jīng)無法適應(yīng)社會(huì)的發(fā)展。因此智能視頻監(jiān)控近年來越來越受到研究者的關(guān)注,在智能監(jiān)控系統(tǒng)中,行人重識(shí)別部分發(fā)揮著不可替代的角色,是非重疊攝像機(jī)目標(biāo)軌跡關(guān)聯(lián)的紐帶。雖然行人重識(shí)別算法在一些特定的數(shù)據(jù)集上取得了一定的準(zhǔn)確度,但是光照、遮擋、行人姿態(tài)變化、場(chǎng)景轉(zhuǎn)變、穿衣風(fēng)格季節(jié)性變化等依然是行人重識(shí)別領(lǐng)域內(nèi)的挑戰(zhàn)。本文在分析已有的行人重識(shí)別算法基礎(chǔ)上,從傳統(tǒng)算法和深度學(xué)習(xí)算法兩方面進(jìn)行研究。傳統(tǒng)算法方面,提出基于特征融合與子空間學(xué)習(xí)的行人重識(shí)別算法。在特征提取前,首先對(duì)圖像進(jìn)行預(yù)處理來增強(qiáng)圖像的可處理性。預(yù)處理完后,對(duì)行人圖像分別提取局部特征和整體特征。整體特征將HOG特征和HSV顏色直方圖特征融合作為整體特征。局部特征采取在滑動(dòng)窗口內(nèi)提取CN顏色特征和兩個(gè)尺度的SILTP特征。為了獲得多尺度特征,分別對(duì)原圖像進(jìn)行兩次下采樣,然后分別提取上述特征。特征提取后用核函數(shù)將所提取的特征轉(zhuǎn)換到非線性空間,再在非線性空間學(xué)習(xí)一個(gè)子空間,最后在子特征空間學(xué)習(xí)一個(gè)測(cè)度矩陣進(jìn)行相似度度量。深度學(xué)習(xí)方面,提出多粒度部件對(duì)齊的... 

【文章來源】：寧夏大學(xué)寧夏回族自治區(qū) 211工程院校

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究的背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 面臨的問題及挑戰(zhàn)
    1.4 研究?jī)?nèi)容和結(jié)構(gòu)安排
第二章 行人重識(shí)別現(xiàn)有算法及相關(guān)技術(shù)研究
    2.1 傳統(tǒng)人工提取特征算法
    2.2 融合特征算法
    2.3 相似性度量算法
    2.4 深度學(xué)習(xí)特征算法及其損失函數(shù)
    2.5 本章小結(jié)
第三章 基于特征融合與子空間學(xué)習(xí)的行人重識(shí)別算法
    3.1 特征選擇與提取
    3.2 多特征融合
    3.3 相似性度量
    3.4 實(shí)驗(yàn)測(cè)試與結(jié)果
    3.5 本章小結(jié)
第四章 多粒度部件對(duì)齊的多損失融合行人重識(shí)別算法
    4.1 基于深度學(xué)習(xí)的行人重識(shí)別實(shí)現(xiàn)框架
    4.2 CNN預(yù)訓(xùn)練網(wǎng)絡(luò)
    4.3 特征提取網(wǎng)絡(luò)設(shè)計(jì)
    4.4 網(wǎng)絡(luò)的損失函數(shù)設(shè)計(jì)
    4.5 網(wǎng)絡(luò)性能評(píng)估
    4.6 具體網(wǎng)絡(luò)設(shè)計(jì)
    4.7 實(shí)驗(yàn)結(jié)果及分析
    4.8 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]基于距離中心化與投影向量學(xué)習(xí)的行人重識(shí)別[J]. 丁宗元,王洪元,陳付華,倪彤光.  計(jì)算機(jī)研究與發(fā)展. 2017(08)
[2]基于融合特征的行人再識(shí)別方法[J]. 袁立,田子茹.  模式識(shí)別與人工智能. 2017(03)
[3]一種用于大型交通樞紐的跨攝像機(jī)行人再識(shí)別算法研究[J]. 譚飛剛,黃玲,翟聰,劉偉銘,周書仁,劉建.  鐵道學(xué)報(bào). 2017(01)



本文編號(hào)：3177552