行人重識別（Person Re-identification）是利用計算機視覺、圖像識別方法判斷圖像或者視頻序列中是否存在特定行人的技術(shù)。利用行人重識別技術(shù)可以獲取疑犯逃跑路線信息,尋找走失兒童等,對于城市安防建設(shè)有著重要的作用。在監(jiān)控場景下,由于攝像的角度、光照條件以及行人姿態(tài)等問題的影響,使得行人重識別技術(shù)面臨許多挑戰(zhàn)。傳統(tǒng)的行人重識別技術(shù)基于人工設(shè)計的特征,首先提取行人的顏色、紋理等特征,然后使用距離度量來度量行人特征之間的相似度。但是在多場景下,人工設(shè)計的特征不具有魯棒性,傳統(tǒng)方法的效果不甚理想。自深度學習被提出以來,在計算機視覺的很多領(lǐng)域取得了巨大的成功,使用深度學習解決行人重識別問題也受到更多研究者們的關(guān)注。除了行人的重識別,行人的屬性信息識別如識別行人衣服顏色在行人識別中也發(fā)揮著重要的作用,在多場景下,監(jiān)控視頻中的行人會面臨姿態(tài)等問題的挑戰(zhàn),但是行人的屬性信息是不變的,例如,行人攜帶的背包。通過對行人屬性識別,可以獲得行人的活動特征,有利于商場獲取顧客喜好信息等。針對以上問題,本文基于卷積神經(jīng)網(wǎng)絡(luò)提出了以下方法:1.提出了一種改進的損失函數(shù)。現(xiàn)有的行人屬性數(shù)據(jù)集采集時間和... 

【文章來源】：西南交通大學四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題研究背景和意義
    1.2 行人重識別國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容與章節(jié)安排
        1.3.1 研究內(nèi)容
        1.3.2 章節(jié)安排
第2章 行人重識別相關(guān)技術(shù)
    2.1 行人重識別介紹
    2.2 特征提取
        2.2.1 基于人工設(shè)計特征的提取
        2.2.2 基于神經(jīng)網(wǎng)絡(luò)的特征提取
    2.3 度量學習
        2.3.1 傳統(tǒng)度量學習方法
        2.3.2 基于神經(jīng)網(wǎng)絡(luò)的度量學習
    2.4 本章小結(jié)
第3章 基于屬性樣本比例的行人屬性識別
    3.1 行人屬性介紹
    3.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
    3.3 損失函數(shù)設(shè)計
        3.3.1 行人屬性分析
        3.3.2 改進的損失函數(shù)設(shè)計
    3.4 實驗設(shè)計與結(jié)果分析
        3.4.1 行人屬性數(shù)據(jù)集
        3.4.2 網(wǎng)絡(luò)配置與訓練
        3.4.3 實驗結(jié)果
    3.5 本章小結(jié)
第4章 基于行人屬性和姿態(tài)的行人重識別
    4.1 網(wǎng)絡(luò)模型結(jié)構(gòu)
    4.2 行人對齊
        4.2.1 關(guān)鍵點檢測
        4.2.2 姿態(tài)估計數(shù)據(jù)集
    4.3 屬性選擇
    4.4 損失函數(shù)
    4.5 實驗設(shè)計與結(jié)果分析
        4.5.1 數(shù)據(jù)集
        4.5.2 評價方法
        4.5.3 實驗環(huán)境及網(wǎng)絡(luò)配置
        4.5.4 實驗結(jié)果分析
    4.6 本章小結(jié)
總結(jié)與展望
    本文工作總結(jié)
    未來工作展望
致謝
參考文獻
攻讀碩士學位期間發(fā)表的論文及參與的科研項目


【參考文獻】：
碩士論文
[1]基于Hausdorff距離模板匹配的行人檢測算法研究與應用[D]. 黃琛.清華大學 2006



本文編號：3167813