近些年由于深度學(xué)習(xí)的發(fā)展,行人檢索領(lǐng)域也取得了較多的進(jìn)步。在諸多領(lǐng)域有著不錯(cuò)的應(yīng)用,例如安防安全、大型公共場(chǎng)所的智能尋人系統(tǒng)、無(wú)人超市、家庭智能機(jī)器人等等。但不同的場(chǎng)景就意味著被攝像頭檢測(cè)到的行人圖像有著非常嚴(yán)重的差異,行人圖像存在遮擋、背景不同等問(wèn)題,如何減少各種影響因素帶來(lái)的問(wèn)題,從而提高行人檢索的識(shí)別準(zhǔn)確率,是一個(gè)需要解決的問(wèn)題。為了避免行人圖像存在的視覺(jué)差異所帶來(lái)的影響,提高行人檢索的準(zhǔn)確率,本文主要進(jìn)行了如下幾個(gè)工作:（1）為了解決局部部件的分割方式問(wèn)題,采用提取部件特征的方式,提出了一種對(duì)部件進(jìn)行精細(xì)分割的行人檢索方法。通過(guò)精細(xì)化分割部件,提升了部件內(nèi)部的一致性,降低了行人圖像硬分割帶來(lái)的影響,提高檢索的精度。（2）采用多分支結(jié)構(gòu)的網(wǎng)絡(luò),融合部件特征與全局特征,提高模型的魯棒性和準(zhǔn)確率。（3）提出了一種顯著特征權(quán)值學(xué)習(xí)的自監(jiān)督方法,使得模型具備辨別特征是否顯著的能力。在提取特征時(shí)專注于顯著的特征,將不顯著的特征權(quán)值減小,對(duì)顯著的部件特征增加可信度。本文方法在兩個(gè)大型數(shù)據(jù)集Market-1501和Dukem MTMC-re ID上進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,行人檢索的準(zhǔn)確率優(yōu)于... 

【文章來(lái)源】：北方工業(yè)大學(xué)北京市

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

不同場(chǎng)景下的行人運(yùn)動(dòng)軌跡

第一章緒論2隨著計(jì)算機(jī)硬件水平的不斷提升，計(jì)算機(jī)視覺(jué)技術(shù)也借助深度學(xué)習(xí)而不斷發(fā)展進(jìn)步，取得了眾多突破。行人檢索便是采用計(jì)算機(jī)視覺(jué)技術(shù)，從攝像頭采集到的照片或視頻所截取的圖片中，檢索目標(biāo)行人的圖像。是目前計(jì)算機(jī)視覺(jué)研究的重要方向之一。行人檢索可以作為人臉識(shí)別的補(bǔ)充，當(dāng)攝像頭不能檢測(cè)到完整的人臉信息，或者人臉信息失效時(shí)，通過(guò)行人檢索方法可以找到想要的目標(biāo)人物。例如最近世界范圍內(nèi)爆發(fā)了新型冠狀病毒引發(fā)的肺炎疫情，每個(gè)人都佩戴了口罩進(jìn)行防護(hù)，人臉信息只剩下眼部的信息，這就對(duì)常用的人臉識(shí)別檢測(cè)設(shè)備造成了較大的困難，此時(shí)，采用整個(gè)行人作為檢測(cè)目標(biāo)，就可以拋開(kāi)人臉信息，檢測(cè)行人。即使只有同一個(gè)行人的背面圖片，自始至終沒(méi)有轉(zhuǎn)身露臉的照片。圖1-2口罩對(duì)人臉信息采集存在影響行人檢索是一種基于全身身份信息的識(shí)別方法。通過(guò)一張待檢索的行人圖片，對(duì)比其他地點(diǎn)位置拍攝到的行人全身圖片，從而找出與待檢索行人最接近的一張或者幾張圖片。不同的行人會(huì)跨過(guò)不同的攝像機(jī)的拍攝范圍，如圖1-1所示，這就導(dǎo)致了行人所處的環(huán)境復(fù)雜多樣、攝像頭清晰度參差不齊，受到天氣、穿著打扮、走路姿態(tài)等綜合因素的影響，提升了行人檢索的難度，利用行人的全身作為特征來(lái)檢索、分析行人的軌跡數(shù)據(jù)等，是一個(gè)更好的選擇。

第一章緒論5圖1-3行人檢索中遇到的典型挑戰(zhàn)（1）圖片分辨率低：目前攝像機(jī)的像素質(zhì)量不斷提升，但仍存在部分?jǐn)z像機(jī)的分辨率較低，攝像機(jī)難以拍攝到行人的關(guān)鍵特征，同時(shí)，由于攝像機(jī)與拍攝的行人距離可能較遠(yuǎn)，也是導(dǎo)致分辨率較低的原因。肉眼難以區(qū)別的圖像，計(jì)算機(jī)區(qū)分起來(lái)也存在難度。（2）走路姿態(tài)不一：當(dāng)一個(gè)行人長(zhǎng)時(shí)間處于同一個(gè)大環(huán)境下的時(shí)候，由于疲勞可能騎上自行車，或者找地方坐下，使姿態(tài)發(fā)生變化。此時(shí)拍攝到的行人平面圖像就發(fā)生了扭曲，增加了識(shí)別難度。（3）物品遮擋嚴(yán)重：行人容易受到自身所攜帶的物品如雨散背包等遮擋。遮擋問(wèn)題不可避免，但遮擋帶來(lái)的影響比較嚴(yán)重，導(dǎo)致無(wú)法提取到全部的行人的有效信息，同時(shí)遮擋物品可能被誤認(rèn)為是人體的一部分，提取到了大量的其他物品信息，從而降低了檢索的精度。（4）拍攝視角不同：拍攝視角不同，那么行人的圖像信息就融合了例如正面、背面、側(cè)面等多位信息，影響模型的學(xué)習(xí)能力。（5）背景改變明顯：一般的，行人在行進(jìn)的過(guò)程中，背景一定會(huì)發(fā)生變化，若存在明顯的背景差異、或是背景顏色和穿著顏色接近，使得行人融入了背景色中，那就大大提升了檢索的難度。（6）穿衣打扮相似：穿著相似的情況不多，但是在特定的場(chǎng)所或情況下卻

【參考文獻(xiàn)】：
期刊論文
[1]基于行人分割與部位對(duì)齊的行人再識(shí)別[J]. 耿樹(shù)澤,于明,岑世欣,劉曉亮.  河北工業(yè)大學(xué)學(xué)報(bào). 2019(05)
[2]區(qū)域塊分割與融合的行人再識(shí)別[J]. 蔣建國(guó),楊寧,齊美彬,陳翠群.  中國(guó)圖象圖形學(xué)報(bào). 2019(04)
[3]基于強(qiáng)化深度特征融合的行人再識(shí)別算法研究[J]. 李佳麗,郭捷.  信息技術(shù). 2018(07)
[4]非重疊域行人再識(shí)別算法研究[J]. 何晴,郭捷.  信息技術(shù). 2018(07)
[5]基于改進(jìn)的HOG與Sobel-LBP融合的快速行人檢測(cè)[J]. 疏坤,蔣建國(guó),齊美彬,岳周龍.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(07)
[6]利用人體部位特征重要性進(jìn)行行人再識(shí)別[J]. 章登義,王騫,朱波,武小平,曹瑀,蔡波.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(01)
[7]基于分層特征融合的行人分類[J]. 孫銳,張廣海,丁文秀.  計(jì)算機(jī)工程與科學(xué). 2016(10)
[8]基于圖像顯著特征的非重疊視域行人再識(shí)別[J]. 王彩玲,唐松,荊曉遠(yuǎn).  南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(03)
[9]基于局部深度匹配的行人再識(shí)別[J]. 李邵梅,陳雷.  計(jì)算機(jī)應(yīng)用研究. 2017(04)
[10]結(jié)合紋理特征和深度學(xué)習(xí)的行人檢測(cè)算法[J]. 張陽(yáng).  遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)



本文編號(hào)：3033005