【摘要】：行人目標檢測與識別技術(shù)在智能交通和智能監(jiān)控系統(tǒng)等領域中一直有著重要應用。雖然該技術(shù)在過去幾十年中已經(jīng)取得了長足的發(fā)展,但是由于行人外觀及復雜的背景環(huán)境等因素的影響,行人識別技術(shù)仍然是計算機視覺領域公開的難題。針對這一難題,本文提出了新穎的行人識別方法,在3個行人數(shù)據(jù)集上通過與同類方法比較,證明了所提出方法具有較高的識別率。針對行人識別中的特征表示問題,提出一種混合結(jié)構(gòu)的分層特征表示方法,這種混合結(jié)構(gòu)結(jié)合了具有表示能力的詞袋結(jié)構(gòu)和學習適應性的深度分層結(jié)構(gòu)。首先利用基于梯度的HOG局部描述符提取局部特征,再通過一個由空間聚集受限玻爾茲曼機(RBM)組成的深度分層編碼方法進行編碼。對于每個編碼層,利用稀疏性和選擇性正則化進行無監(jiān)督受限玻爾茲曼機學習,再應用監(jiān)督微調(diào)來增強分類任務中視覺特征表示,采用最大池化和空間金字塔方法得到高層圖像特征表示。最后采用線性支持向量機進行行人識別,提取深度分層特征遮擋等與目標無關部分自然分離,有效提高了后續(xù)識別的準確性。針對最大池化方法的局限性,本文在此基礎上采用正負最大池化方法進行行人識別。正負最大池化方法克服了最大池化方法中編碼系數(shù)非負的問題,使得識別準確率進一步提高,但實時性依然未能有效解決。最后總結(jié)了全文的研究工作,指出行人識別所面臨的問題和難點,并對未來需要完善的相關問題進行了展望。
[Abstract]:Pedestrian target detection and recognition technology has been an important application in intelligent traffic and intelligent monitoring systems. Although the technology has made great progress in the past few decades, due to the influence of pedestrian appearance and complex background environment, pedestrian recognition technology is still an open problem in the field of computer vision. In order to solve this problem, a novel pedestrian recognition method is proposed in this paper. Comparing with the similar methods on three pedestrian datasets, it is proved that the proposed method has a high recognition rate. In order to solve the problem of feature representation in pedestrian recognition, a hierarchical feature representation method for hybrid structures is proposed. This hybrid structure combines the lexical bag structure with the expressive ability and the depth stratified structure with learning adaptability. Firstly, the local feature is extracted by using the gradient-based HOG local descriptor, and then the local feature is encoded by a depth stratified coding method composed of a spatial aggregation constrained Boltzmann machine (RBM). For each coding layer, sparse and selective regularization are used for unsupervised constrained Boltzmann machine learning, and then supervised fine-tuning is applied to enhance visual feature representation in classification tasks. The method of maximum pool and spatial pyramid is used to obtain the feature representation of high-level images. Finally, linear support vector machine (LSVM) is used for pedestrian recognition, extracting depth stratified feature occlusion and other independent parts of the target, which can effectively improve the accuracy of subsequent recognition. Aiming at the limitation of maximum pool method, this paper adopts positive and negative maximum pool method to identify pedestrians. The positive and negative maximum pool method overcomes the problem of non-negative coding coefficient in the maximum pool method, which improves the recognition accuracy further, but the real-time performance is still not solved effectively. Finally, the paper summarizes the research work, points out the problems and difficulties faced by pedestrian recognition, and looks forward to the related problems that need to be improved in the future.
【學位授予單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 施水才;俞鴻魁;呂學強;李渝勤;;基于大規(guī)模語料的新詞語識別方法[J];山東大學學報(理學版);2006年03期

2 蘇家洪;;試述人臉識別新技術(shù)及編輯識別方法[J];中國新技術(shù)新產(chǎn)品;2012年07期

3 高春庚;孫建國;;基于統(tǒng)計的人臉識別方法綜述[J];安陽工學院學報;2012年04期

4 馬彬;洪宇;楊雪蓉;姚建民;朱巧明;;基于語義依存線索的事件關系識別方法研究[J];北京大學學報(自然科學版);2013年01期

5 馬彬;洪宇;楊雪蓉;姚建民;朱巧明;;基于推理線索構(gòu)建的事件關系識別方法[J];北京大學學報(自然科學版);2014年01期

6 呂冬梅,劉燕萍,李云凱;一個新的機械圖紙識別方法[J];信息技術(shù);2001年03期

7 劉志鵬,魏君;基于神經(jīng)網(wǎng)絡的集裝箱編號識別方法的研究[J];中國包裝工業(yè);2002年09期

8 賀敏;龔才春;張華平;程學旗;;一種基于大規(guī)模語料的新詞識別方法[J];計算機工程與應用;2007年21期

9 董世都;黃同愿;王華秋;王森;楊小帆;;半邊人臉識別方法[J];計算機工程;2008年07期

10 方曉春;;一種優(yōu)化的角色識別方法[J];計算機應用與軟件;2009年04期

相關會議論文 前10條

1 鄭凱;;建立多維數(shù)據(jù)異常點識別方法的嘗試[A];第八屆全國體育科學大會論文摘要匯編（一）[C];2007年

2 張朋柱;韓崇昭;萬百五;;智能決策支持系統(tǒng)中的問題識別方法與實現(xiàn)[A];全國青年管理科學與系統(tǒng)科學論文集（第2卷）[C];1993年

3 劉麗蘭;劉宏昭;;時間序列模型的識別方法[A];制造技術(shù)自動化學術(shù)會議論文集[C];2004年

4 苗振偉;許勇;楊軍;;超聲波人臉識別方法研究[A];中國聲學學會2007年青年學術(shù)會議論文集（上）[C];2007年

5 羅智勇;宋柔;荀恩東;;一種基于可信度的人名識別方法[A];第二屆全國學生計算語言學研討會論文集[C];2004年

6 張茜;鄭崢;亢一瀾;王娟;仇巍;;基于海量實測數(shù)據(jù)的反演識別方法與盾構(gòu)裝備載荷的力學建模[A];中國力學大會——2013論文摘要集[C];2013年

7 趙銳;陳光發(fā);;軍事口令識別的Fuzzy方法探討[A];第二屆全國人機語音通訊學術(shù)會議論文集[C];1992年

8 駱玉榮;劉建麗;史曉濤;;一種自動車窗識別方法的設計與實現(xiàn)[A];計算機技術(shù)與應用進展·2007——全國第18屆計算機技術(shù)與應用（CACIS）學術(shù)會議論文集[C];2007年

9 崔凱華;王國慶;方劍青;李紅軍;賈俊波;馬超;趙燁;張東輝;;基于聲模態(tài)分析的材料識別方法研究[A];現(xiàn)代振動與噪聲技術(shù)（第九卷）[C];2011年

10 李洪東;梁逸曾;張志敏;;酵母蛋白組中原生肽識別方法的探索研究[A];中國化學會第26屆學術(shù)年會化學信息學與化學計量學分會場論文集[C];2008年

相關重要報紙文章 前9條

1 陳春道;甲魚優(yōu)劣及雌雄的識別方法[N];北京科技報;2003年

2 龐席堂;假幣的識別方法[N];中華合作時報;2003年

3 王修增;手機被盜號的6種識別方法[N];中國保險報;2003年

4 張侃;正品手機電池識別方法[N];通信產(chǎn)業(yè)報;2000年

5 潘 治;德國開發(fā)出癌癥早期識別方法[N];中國中醫(yī)藥報;2003年

6 新華社記者 段世文;產(chǎn)權(quán)證識別方法[N];新華每日電訊;2001年

7 金亮;機器人的情感[N];中國醫(yī)藥報;2001年

8 黃璐;識別假火車票有絕招[N];山西經(jīng)濟日報;2004年

9 宗紹純;如何識別是純奶還是奶飲料？[N];國際商報;2003年

相關博士學位論文 前10條

1 趙國騰;跨座式單軌交通軌道梁表面裂紋識別方法研究[D];重慶大學;2015年

2 徐訓;線性與非線性結(jié)構(gòu)動力荷載識別方法及實驗研究[D];哈爾濱工業(yè)大學;2015年

3 付文亮;基于FPGA的高性能應用層協(xié)議識別方法研究[D];北京理工大學;2015年

4 陳飛飛;基于特征表示的行為識別方法研究[D];華中科技大學;2015年

5 黃仕建;視頻序列中人體行為的低秩表達與識別方法研究[D];重慶大學;2015年

6 張航;基于高光譜成像技術(shù)的皮棉中地膜識別方法研究[D];中國農(nóng)業(yè)大學;2016年

7 吳翔;基于機器視覺的害蟲識別方法研究[D];浙江大學;2016年

8 張莉莉;競優(yōu)特征的群識別方法及其應用[D];東北大學;2010年

9 陳綿書;計算機人臉識別方法研究[D];吉林大學;2004年

10 葉俊勇;人臉檢測與識別方法研究[D];重慶大學;2002年

相關碩士學位論文 前10條

1 徐珂瓊;基于視頻的人臉識別方法研究[D];天津理工大學;2015年

2 彭姣麗;針對多表情的人臉識別方法研究[D];昆明理工大學;2015年

3 代秀麗;基于半監(jiān)督判別分析的人臉識別方法研究[D];深圳大學;2015年

4 易磊;基于兩階段的交通標志識別方法研究[D];南京理工大學;2015年

5 李彥;基于小波變換的人臉識別方法研究[D];電子科技大學;2014年

6 田曉霞;運動想象EEG的識別方法及在上肢康復中的應用[D];北京工業(yè)大學;2015年

7 楊俊濤;基于分數(shù)譜時頻特征的SAR目標檢測與識別方法研究[D];電子科技大學;2014年

8 宋洪偉;基于模糊集合的漢語主觀句識別方法研究與實現(xiàn)[D];黑龍江大學;2015年

9 賈博軒;基于手機傳感器的人類復雜行為識別方法的研究[D];黑龍江大學;2015年

10 范玲;Link-11數(shù)據(jù)鏈信號的識別方法研究[D];西安電子科技大學;2014年

，

本文編號：2418685