行人再識別（Person re-identification）技術(shù)是判斷不同監(jiān)控視頻拍攝的圖像中出現(xiàn)的行人是否屬于同一行人的技術(shù)。行人再識別的研究難點(diǎn)在于拍攝的行人圖像視角不同、光照變化大、背景比較復(fù)雜和圖像分辨率低。首先本文針對傳統(tǒng)數(shù)據(jù)集進(jìn)行屬性融合特征的研究,該特征描述符更具判別性。另外,攝像機(jī)拍攝的圖像分辨率和視角等參考因素不同,部分?jǐn)?shù)據(jù)集的識別準(zhǔn)確率很低,因此本文對數(shù)據(jù)集的遷移學(xué)習(xí)工作進(jìn)行了研究,并且考慮到單一的網(wǎng)絡(luò)模型太過于簡單,對圖像描述不充分的情況,本文提出以融合模型為子網(wǎng)絡(luò)的孿生網(wǎng)絡(luò)模型。本文的主要貢獻(xiàn)如下:1、基于屬性融合特征的行人再識別。在特征提取之前,分別對行人圖像進(jìn)行行人前景分割和光照增強(qiáng)的方法,將底層特征LOMO-gradient（Local Maximal Occurrence-gradient）和屬性特征結(jié)合進(jìn)行行人再識別研究。首先,把每幅行人圖像4個部分,分別提取LOMO-gradient特征,依次得到4個隨機(jī)森林屬性分類器。其次,分別對獨(dú)立的、不同維度的屬性子分類器進(jìn)行訓(xùn)練和融合,生成一個21維屬性特征的分類器,并把該分類器與屬性關(guān)聯(lián)校正機(jī)制相結(jié)合。然... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

神經(jīng)元模型

圖 2.3 神經(jīng)元模型1 之間， 為輸入， 表示預(yù)測輸出， 為實(shí)際輸出差對權(quán)重做出的調(diào)整。上述過程也可看作前向傳播經(jīng)元的輸入再一次進(jìn)行權(quán)重調(diào)整，向更高的網(wǎng)絡(luò)層前向傳播并不能通過當(dāng)前狀態(tài)對之前的權(quán)重進(jìn)行調(diào)

士研究生學(xué)位論文 第三章 基于屬性特征融合的每一種特征的最大值作為這一水平條帶的特征描述。采用多尺度輸樣，依次得到尺寸為64 × 24和32 × 12三個尺寸的輸入圖像。顏色特征 HSV，紋理特征 SILTP 和梯度邊緣特征。HSV 顏色特征相飽和度、明度，更接近于現(xiàn)實(shí)中人眼對顏色的感知，所以本章顏色特征理圖如圖 3.6 所示。

【參考文獻(xiàn)】：
期刊論文
[1]行人重識別研究綜述[J]. 宋婉茹,趙晴晴,陳昌紅,干宗良,劉峰.  智能系統(tǒng)學(xué)報. 2017(06)
[2]AMSR與SVM相結(jié)合的人臉識別方法[J]. 李揚(yáng),孫勁光,孟祥福,丁勝鋒.  計算機(jī)測量與控制. 2012(03)

碩士論文
[1]基于遷移學(xué)習(xí)的視頻行為識別研究[D]. 高亦超.南京郵電大學(xué) 2018
[2]基于深度學(xué)習(xí)的行人再識別[D]. 王興柱.中國科學(xué)技術(shù)大學(xué) 2018
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的行人重識別算法研究[D]. 徐陽.華東師范大學(xué) 2018



本文編號：3032849