發(fā)布時(shí)間：2021-04-04 01:04

　　近年來(lái),視頻監(jiān)控在構(gòu)建信息化、智能化的城鎮(zhèn)建設(shè)中起著至關(guān)重要的作用,而行人重識(shí)別又是視頻監(jiān)控的重要研究?jī)?nèi)容。因此越來(lái)越多的研究者開(kāi)始著力于研究行人重識(shí)別問(wèn)題。行人重識(shí)別指在多攝像機(jī)監(jiān)控系統(tǒng)中,辨別不同攝像機(jī)捕捉到的行人圖片是否為同一個(gè)人,該應(yīng)用一般運(yùn)用在自動(dòng)跟蹤、檢索犯罪嫌疑人等監(jiān)控部門。但是在現(xiàn)實(shí)中捕捉到的行人圖像一般存在圖片模糊、背景干擾、行人姿態(tài)的不規(guī)律變化等問(wèn)題,從而導(dǎo)致相同行人在不同攝像頭下的外觀有較大差異,這些問(wèn)題給行人重識(shí)別帶來(lái)了巨大的挑戰(zhàn)。早期的行人重識(shí)別研究主要是借助傳統(tǒng)特征提取方法（如顏色、外形、局部描述符）去學(xué)習(xí)行人的淺層不變性特征。隨著深度學(xué)習(xí)方法在計(jì)算機(jī)視覺(jué)中逐漸成熟,研究者利用深度卷積神經(jīng)網(wǎng)絡(luò)去解決行人重識(shí)別。首先利用深度學(xué)習(xí)網(wǎng)絡(luò)模型去學(xué)習(xí)行人的代表性特征向量,然后利用距離函數(shù)去度量行人特征向量的相似度,從而來(lái)判斷行人圖像是否為同一個(gè)人。因此,設(shè)計(jì)出一種有辨別力且穩(wěn)定性的特征表示器去表示行人圖像是行人重識(shí)別任務(wù)中最重要的部分。本文基于深度特征度量學(xué)習(xí)方法,對(duì)特征網(wǎng)絡(luò)和損失函數(shù)提出改進(jìn)方案,在高效解決該類問(wèn)題的同時(shí)獲得了當(dāng)前已知的最好效果。主要研究?jī)?nèi)容如下:1... 

【文章來(lái)源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

行人重識(shí)別示意圖

合肥工業(yè)大學(xué)學(xué)術(shù)碩士研究生學(xué)位論文7比較，候選圖片的排序分?jǐn)?shù)比較低則代表為不同行人類別，而候選圖片的排序分?jǐn)?shù)比較高則代表是相同身份類別。上述過(guò)程就是行人重識(shí)別的基本流程，可以簡(jiǎn)單且比較輕松的對(duì)查詢圖片的行人完成識(shí)別功能。圖2.1行人重識(shí)別基本流程Fig2.1Basicprocessingofpersonre-identification為了更簡(jiǎn)單的介紹行人重識(shí)別，行人重識(shí)別最重要的兩個(gè)步驟是特征表示和相似性度量，當(dāng)前研究方法都把這兩個(gè)步驟歸劃到同一個(gè)系統(tǒng)中。首先構(gòu)造一個(gè)全新的網(wǎng)絡(luò)模型，利用網(wǎng)絡(luò)模型去提取行人的強(qiáng)辨別性和強(qiáng)代表性的特征向量，然后創(chuàng)建一個(gè)判別性強(qiáng)的度量損失函數(shù)計(jì)算特征向量之間的相似度。本文所研究的行人重識(shí)別也是側(cè)重于特征表示和相似性度量?jī)刹糠帧?.3行人重識(shí)別基本方法隨著行人重識(shí)別問(wèn)題的不斷深入研究，其技術(shù)也逐漸的形成了一套完善的體系。一般而言，研究人員主要從兩個(gè)方面解決行人重識(shí)別問(wèn)題：一個(gè)是特征表示學(xué)習(xí)，另一個(gè)是距離度量學(xué)習(xí)。對(duì)于特征表示學(xué)習(xí)，它分為傳統(tǒng)方法提取特征和深度學(xué)習(xí)方法提取特征。研究人員主要提取行人圖像的不變性特征或代表性的特征，以解決表征學(xué)習(xí)中的影響如：行人圖像不對(duì)齊，姿勢(shì)變化和遮擋干擾因素。在度量學(xué)習(xí)方面，致力于學(xué)習(xí)魯棒的距離度量函數(shù)去測(cè)量行人的相似性，通過(guò)行人特征相似性度量，按照一定的規(guī)則排序，最終測(cè)出匹配的行人身份。因此，接下來(lái)重點(diǎn)說(shuō)明特征表示和距離度量的研究方法。2.3.1基于特征提取的行人重識(shí)別方法I.傳統(tǒng)方法提取行人特征基于特征提取的行人重識(shí)別主要關(guān)注如何獲取具有較好辨別性和魯棒性的特征表達(dá)器。算法特征提取器主要包括傳統(tǒng)的手工提取特征以及目前主流的深度學(xué)

在傳統(tǒng)方法中研究者們通過(guò)尋找圖片的不變性特征如顏色特征和紋理特征等來(lái)對(duì)行人圖像進(jìn)行特征表示，或是利用對(duì)行人圖片劃分區(qū)域的方式去提取行人局部特征，然后融合局部特征和全局特征。Swain等人[31]最先提出使用顏色直方圖去描述行人圖像顏色特征。它主要使用一種直方圖交集的技術(shù)，用于匹配網(wǎng)絡(luò)模型和圖像直方圖。因?yàn)橹狈綀D可以更加直觀的體現(xiàn)行人特征的差異，因此提取到的特征復(fù)雜度低、具有旋轉(zhuǎn)和縮放不變性的特點(diǎn)另外，從顏色分量在行人圖像中所占的比例來(lái)看，該方法也具有較好的識(shí)別效果。后來(lái)Cai等人[20]受自圖2.2特征提取方法示意圖[20]Fig2.2Illustrationofthefeatureextractionmethod[20]相似性的影響提出一種空間相關(guān)信息的HSV顏色特征。自相似性是視覺(jué)識(shí)別中的一個(gè)重要屬性，它不是直接比較兩個(gè)圖像之間的行人圖像特征描述子，而是測(cè)量圖像與自身附近的相似度。在全局顏色上下文方法中，以兩種不同的方式來(lái)模擬圖像中圖像模式的自相似性。具體方法如圖2.2所示，密集提取局部顏色特征并聚類以形成顏色碼本。最后，探討了碼本中顏色特征對(duì)顏色詞的分配。來(lái)自相同視覺(jué)顏色詞的顏色特征標(biāo)有相同顏色。對(duì)于密碼本中的每個(gè)顏色詞，顏色自相似性的空間出現(xiàn)分布通過(guò)學(xué)習(xí)得到。Liao等人[32]設(shè)計(jì)了一種特征提取方法LOMO（localmaximaloccurrence），重點(diǎn)關(guān)注光照和視角問(wèn)題。特征提取之前采用增強(qiáng)算法進(jìn)行預(yù)處理，對(duì)處理后的圖像，利用計(jì)算HSV顏色直方圖來(lái)提取顏色特征，除了顏色描述之外，作者還采用了尺度不變局部三元圖案（SILTP）的方法獲得光照不變紋理描述，利用HSV和SILTP解決了圖像變化問(wèn)題；接下來(lái)使用滑動(dòng)窗口去解決視角變化問(wèn)題，以步長(zhǎng)為5進(jìn)行滑動(dòng)，然后對(duì)移動(dòng)后的每一個(gè)子窗口提取三個(gè)直方圖，直方圖的每個(gè)bin代表對(duì)應(yīng)?

【參考文獻(xiàn)】：
期刊論文
[1]基于多特征子空間與核學(xué)習(xí)的行人再識(shí)別[J]. 齊美彬,檀勝順,王運(yùn)俠,劉皓,蔣建國(guó).  自動(dòng)化學(xué)報(bào). 2016(02)
[2]遷移學(xué)習(xí)研究進(jìn)展[J]. 莊福振,羅平,何清,史忠植.  軟件學(xué)報(bào). 2015(01)
[3]人體動(dòng)作行為識(shí)別研究綜述[J]. 李瑞峰,王亮亮,王珂.  模式識(shí)別與人工智能. 2014(01)
[4]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽(yáng)明,王正.  計(jì)算機(jī)應(yīng)用研究. 2012(08)
[5]強(qiáng)化學(xué)習(xí)研究綜述[J]. 高陽(yáng),陳世福,陸鑫.  自動(dòng)化學(xué)報(bào). 2004(01)



本文編號(hào)：3117434