近年來,隨著城市監(jiān)控網(wǎng)絡(luò)的不斷完善,行人重識別技術(shù)由于其潛在的應(yīng)用價值而受到越來越多研究人員的關(guān)注。行人重識別,又稱為行人再識別或跨鏡追蹤,是近年來計算機(jī)視覺領(lǐng)域最熱門的研究課題之一。給定一個待檢索的行人圖像,行人重識別的任務(wù)是檢索出一段時間內(nèi)在不同區(qū)域攝像機(jī)所拍攝到的該行人的所有圖像,它在行人追蹤、行為分析等方面有著廣泛的應(yīng)用,并且其在可控（特定數(shù)據(jù)集）條件下取得了較高的準(zhǔn)確率。但在實際監(jiān)控條件下,由于受到背景、光照、視角、硬件條件等客觀因素的影響,使得行人重識別成為一個具有挑戰(zhàn)性的問題。另外,除了上述在可見光條件下的限制之外,還有來自由于攝像機(jī)成像原理而造成模態(tài)差異的問題。因此,本文針對行人重識別技術(shù)中行人可見光單模態(tài)、可見光與近紅外跨模態(tài)所面臨模態(tài)差異的問題而展開研究。具體內(nèi)容主要表現(xiàn)在以下兩個方面:針對可見光單模態(tài)下人體姿態(tài)不匹配、語義區(qū)域難以對齊的問題,本文提出了一種基于多粒度人體語義解析的行人重識別算法。首先給定一張帶有關(guān)鍵點注釋的行人圖像并進(jìn)行檢索;其次將上述所得到的檢索結(jié)果進(jìn)行聚類分析以得到相應(yīng)的先驗信息;最后基于其先驗信息對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化得到最終的行人圖像解析結(jié)... 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 面臨的問題與挑戰(zhàn)
    1.3 本文主要研究內(nèi)容
    1.4 本文的組織架構(gòu)
第二章 國內(nèi)外研究現(xiàn)狀
    2.1 行人重識別研究進(jìn)展
    2.2 單模態(tài)下的行人重識別
        2.2.1 基于特征提取的行人重識別方法
        2.2.2 基于度量學(xué)習(xí)的行人重識別方法
        2.2.3 基于生成對抗網(wǎng)絡(luò)的行人重識別方法
        2.2.4 基于數(shù)據(jù)增強(qiáng)的行人重識別方法
    2.3 跨模態(tài)下的行人重識別
        2.3.1 基于近紅外和可見光模態(tài)下的行人特征提取方法
        2.3.2 基于生成式模態(tài)轉(zhuǎn)換的跨模態(tài)行人重識別算法
    2.4 章節(jié)總結(jié)
第三章 單模態(tài)下的行人重識別算法研究
    3.1 先驗知識引導(dǎo)的語義解析算法研究
        3.1.1 人體姿態(tài)關(guān)鍵點的獲取
        3.1.2 人體語義解析
    3.2 多粒度圖像的生成
    3.3 特征提取和融合
        3.3.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.3.2 損失函數(shù)
    3.4 實驗測試與結(jié)果
        3.4.1 數(shù)據(jù)集介紹
        3.4.2 實驗實施細(xì)節(jié)
        3.4.3 與現(xiàn)有方法的比較
        3.4.4 實驗結(jié)果可視化
    3.5 章節(jié)總結(jié)
第四章 跨模態(tài)下的行人重識別算法研究
    4.1 基于圖像和特征聯(lián)合約束的跨模態(tài)行人重識別算法
        4.1.1 算法總體框架
        4.1.2 中間模態(tài)生成器
        4.1.3 特征約束模塊
        4.1.4 圖像約束模塊
    4.2 數(shù)據(jù)集
        4.2.1 Parking-01數(shù)據(jù)集介紹
        4.2.2 數(shù)據(jù)集評估協(xié)議
        4.2.3 SYSU-MM01數(shù)據(jù)集介紹
    4.3 實驗測試與結(jié)果
        4.3.1 實驗實施細(xì)節(jié)
        4.3.2 與現(xiàn)有方法的比較
        4.3.3 算法分析
        4.3.4 實驗結(jié)果可視化
    4.4 章節(jié)總結(jié)
第五章 總結(jié)與展望
    5.1 研究總結(jié)
    5.2 工作展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]生成對抗網(wǎng)絡(luò)在計算機(jī)視覺領(lǐng)域中的應(yīng)用研究[J]. 高偉,郭永峰,徐德衡.  價值工程. 2019(22)
[2]最小均衡化后的行人重識別[J]. 劉翠響,袁香偉,王寶珠,張亞鳳,馬杰.  深圳大學(xué)學(xué)報(理工版). 2019(04)
[3]基于風(fēng)格遷移及度量融合的行人再識別研究[J]. 孫志琳,張麗紅.  測試技術(shù)學(xué)報. 2019(01)
[4]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. 2019(11)
[5]預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型微調(diào)的行人重識別[J]. 李錦明,曲毅,裴禹豪,扆澤江.  計算機(jī)工程與應(yīng)用. 2018(20)
[6]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)



本文編號：3167211