發(fā)布時(shí)間：2021-02-19 02:44

　　行人再識別是智能監(jiān)控系統(tǒng)中一個(gè)重要的應(yīng)用,其具體指在跨一對或多對攝像頭的情況下將同一行人識別出來。在多攝像頭監(jiān)控環(huán)境下的目標(biāo)追蹤系統(tǒng)中,同攝像頭內(nèi)的目標(biāo)可以依靠跟蹤技術(shù)確定追蹤目標(biāo)的身份,但是在跨攝像頭的情況下,甚至是跨無重疊視域攝像頭時(shí),需要依賴行人再識別技術(shù),其補(bǔ)足了監(jiān)控環(huán)境下的目標(biāo)追蹤系統(tǒng)中跨境再識別的技術(shù)空白。由于行人圖像的分辨率變化大、行人姿勢不斷變化、監(jiān)控背景變化大、拍攝角度不一致以及照明條件差等原因,行人再識別既具有重要研究意義又面臨眾多挑戰(zhàn),是目前計(jì)算機(jī)視覺領(lǐng)域中的研究熱點(diǎn)和難點(diǎn)問題。論文主要研究在深度學(xué)習(xí)框架下的行人再識別中,多類型行人特征的融合機(jī)制,即如何通過多類型的深度特征融合,提高現(xiàn)有行人再識別網(wǎng)絡(luò)的精度。融合多類型深度特征的目的是為了應(yīng)對目前行人再識別中的難點(diǎn),如光照變化、遮擋、姿態(tài)變化等等。主要研究成果包含如下:（1）在深度學(xué)習(xí)的框架下研究行人外觀特征和屬性特征的融合機(jī)制,針對現(xiàn)有融合屬性的行人再識別網(wǎng)絡(luò)特征判別力不足的問題,在深度學(xué)習(xí)框架下提出一種基于困難樣本三元組損失的多任務(wù)行人再識別（TriHard loss based multi-task pers... 

【文章來源】：江南大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 行人再識別研究現(xiàn)狀
        1.2.1 基于手工特征的行人再識別方法
        1.2.2 基于深度學(xué)習(xí)的行人再識別方法
    1.3 行人再識別面臨的挑戰(zhàn)
    1.4 論文的研究內(nèi)容及結(jié)構(gòu)安排
第二章 行人再識別相關(guān)工作
    2.1 行人再識別系統(tǒng)框架
    2.2 深度學(xué)習(xí)行人再識別基準(zhǔn)
        2.3.1 常用主干網(wǎng)絡(luò)
        2.3.2 常用網(wǎng)絡(luò)損失
    2.3 常用數(shù)據(jù)集
        2.2.1 Market-1501
        2.2.2 Duke MTMC-reID
        2.2.3CUHK03
    2.4 評價(jià)指標(biāo)
        2.4.1 CMC
        2.4.2 mAP
    2.5 本章小結(jié)
第三章 基于困難樣本三元組損失的多任務(wù)行人再識別
    3.1 引言
    3.2 行人的屬性
    3.3 困難樣本三元組損失的多任務(wù)行人再識別
        3.3.1 問題描述
        3.3.2 Softmax損失、三元組損失與Tri Hard損失
        3.3.3 困難樣本三元組及其選擇
        3.3.4 網(wǎng)絡(luò)結(jié)構(gòu)及損失函數(shù)
    3.4 實(shí)驗(yàn)結(jié)果及分析
        3.4.1 數(shù)據(jù)集的屬性標(biāo)簽
        3.4.2 評價(jià)指標(biāo)及實(shí)驗(yàn)配置
        3.4.3 屬性識別結(jié)果
        3.4.4 行人再識別結(jié)果
    3.5 本章小結(jié)
第四章 通道互注意機(jī)制下的部位對齊行人再識別
    4.1 引言
    4.2 通道互注意機(jī)制下的部位對齊行人再識別
        4.2.1 部位特征通道特性分析
        4.2.2 網(wǎng)絡(luò)框架
        4.2.3 通道互注意模塊
    4.3 實(shí)驗(yàn)結(jié)果及分析
        4.3.1 數(shù)據(jù)集與評估標(biāo)準(zhǔn)
        4.3.2 實(shí)驗(yàn)配置及參數(shù)
        4.3.3 實(shí)驗(yàn)分析
        4.3.4 方法對比
    4.4 本章小結(jié)
第五章 引入語義部位約束的行人再識別
    5.1 引言
    5.2 引入語義部位約束的行人再識別網(wǎng)絡(luò)
        5.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
        5.2.2 語義部位標(biāo)簽
        5.2.3 特征提取
        5.2.4 網(wǎng)絡(luò)約束
    5.3 實(shí)驗(yàn)結(jié)果及分析
        5.3.1 數(shù)據(jù)集與評估標(biāo)準(zhǔn)
        5.3.2 實(shí)驗(yàn)配置及參數(shù)
        5.3.3 實(shí)驗(yàn)分析
        5.3.4 方法對比
    5.4 本章小結(jié)
第六章 主要結(jié)論與展望
    6.1 主要結(jié)論
    6.2 展望
致謝
參考文獻(xiàn)
附錄 :作者在攻讀碩士學(xué)位期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]基于雙向參考集矩陣度量學(xué)習(xí)的行人再識別[J]. 陳瑩,許瀟月.  電子與信息學(xué)報(bào). 2020(02)
[2]基于行人屬性分級識別的行人再識別[J]. 陳鴻昶,吳彥丞,李邵梅,高超.  電子與信息學(xué)報(bào). 2019(09)
[3]基于深度學(xué)習(xí)的行人重識別研究進(jìn)展[J]. 羅浩,姜偉,范星,張思朋.  自動化學(xué)報(bào). 2019(11)
[4]基于行人屬性先驗(yàn)分布的行人再識別[J]. 吳彥丞,陳鴻昶,李邵梅,高超.  自動化學(xué)報(bào). 2019(05)
[5]一種基于等距度量學(xué)習(xí)策略的行人重識別改進(jìn)算法[J]. 周智恒,劉楷怡,黃俊楚,陳增群.  電子與信息學(xué)報(bào). 2019(02)
[6]行人再識別技術(shù)綜述[J]. 李幼蛟,卓力,張菁,李嘉鋒,張輝.  自動化學(xué)報(bào). 2018(09)



本文編號：3040487