隨著公共安全問題的日益突出,在公共場所鋪設視頻監(jiān)控網(wǎng)絡成為了有效的公共安全防控手段。這些監(jiān)控設備每天產(chǎn)生海量的監(jiān)控視頻,如何高效地在海量監(jiān)控視頻中獲取人們感興趣的目標（尤其是行人）就成為了人們迫切需要解決的問題。利用計算機視覺技術對監(jiān)控視頻中的行人進行智能化行人再識別的需求就應運而生了。但是目前的行人再識別研究大多是基于已經(jīng)裁剪好的行人圖像塊進行的,這些裁剪好的行人圖像塊中只包含行人圖像,而不包含背景信息。這樣的場景顯然和實際情況不符。因為實際的監(jiān)控圖像中,不僅包含行人還包含復雜的背景環(huán)境,而且行人在圖像中的位置也不可能直接給定。因此在行人再識別之前需要在監(jiān)控圖像中進行行人檢測。隨著深度學習在計算機視覺領域的不斷深入探索,越來越多的研究人員將深度學習應用到行人檢測及行人再識別中來。在本文中我們在深度特征的基礎上引入LOMO特征,將這種傳統(tǒng)手工設計的行人特征與深度特征相融合構建一種魯棒的行人特征。LOMO特征可以很好地抑制實際監(jiān)控視頻環(huán)境下不同角度、不同光照對行人檢測及行人再識別的不良影響。為了提高行人再識別在實際場景中的應用性,本文設計了一種基于特征融合的端到端行人檢測及行人再識別系統(tǒng)... 

【文章來源】：合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 引言
    1.2 課題研究背景及意義
    1.3 國內外研究現(xiàn)狀
        1.3.1 行人檢測研究現(xiàn)狀
        1.3.2 行人再識別研究現(xiàn)狀
    1.4 本文的研究內容及組織結構
第二章 行人檢測及行人再識別綜述
    2.1 行人檢測相關技術分析
        2.1.1 基于傳統(tǒng)特征的行人檢測
        2.1.2 基于深度特征的行人檢測
    2.2 行人再識別相關技術分析
        2.2.1 基于表征學習的行人再識別算法
        2.2.2 基于度量學習的行人再識別算法
第三章 基于特征融合的行人檢測
    3.1 基于YOLO模型的行人檢測
    3.2 Local Maximal Occurrence特征
        3.2.1 處理光照變化
        3.2.2 處理視角變化
    3.3 基于特征融合的行人檢測方法
    3.4 評價指標及實驗結果
第四章 端到端行人檢測及行人再識別系統(tǒng)
    4.1 端到端行人檢測及行人再識別系統(tǒng)網(wǎng)絡結構
        4.1.1 網(wǎng)絡結構
        4.1.2 ROI Pooling
        4.1.3 Random Sampling Softmax
    4.2 數(shù)據(jù)集及評價標準
        4.2.1 數(shù)據(jù)集
        4.2.2 評價標準
    4.3 實驗結果與分析
第五章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
攻讀碩士學位期間的學術活動及成果情況



本文編號：3168731