在社會(huì)生活中,視頻監(jiān)控是保障公民的生命安全和財(cái)產(chǎn)安全的重要手段之一,隨著監(jiān)控?cái)z像頭的不斷增多,傳統(tǒng)通過(guò)專(zhuān)業(yè)的監(jiān)控人員進(jìn)行視頻監(jiān)控的方式面臨巨大的成本和效率問(wèn)題,突發(fā)安全事件發(fā)生后,傳統(tǒng)人工調(diào)查方法往往存在時(shí)效低,效果差等問(wèn)題,運(yùn)用自動(dòng)化監(jiān)控技術(shù)是安防行業(yè)迫切的需求,行人重識(shí)別技術(shù)正是應(yīng)用于這一領(lǐng)域的重要技術(shù)之一。隨著深度學(xué)習(xí)在行人重識(shí)別領(lǐng)域的高速發(fā)展,在此領(lǐng)域研究現(xiàn)狀表明行人圖像的全局和局部特征的組合可以成為提高行人重新識(shí)別算法判別性能的關(guān)鍵點(diǎn)之一。本文提出了一種基于深度學(xué)習(xí)卷積網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)模型,可以很好地在減少背景影響情況下提取行人多粒度的整體與局部特征,并通過(guò)多粒度特征對(duì)齊和多損失函數(shù)提高整體網(wǎng)絡(luò)性能。本文的主要工作和創(chuàng)新之處如下:(1)提出一種基于RPN的人體部件檢測(cè)網(wǎng)絡(luò),該網(wǎng)絡(luò)模塊主要用于檢測(cè)行人圖像中人體軀干的各個(gè)部位,進(jìn)而可以提取對(duì)應(yīng)的局部特征。相比較于直接將傳統(tǒng)行人圖像硬性劃分為線(xiàn)條或網(wǎng)格形狀區(qū)域等算法,本文提出的人體部件檢測(cè)網(wǎng)絡(luò),能夠有效地減少引入背景噪聲,提取到的特征無(wú)需再次對(duì)齊可直接進(jìn)行融合,避免了部件對(duì)齊造成的誤差,另外相比于直接根據(jù)人體關(guān)鍵點(diǎn)定位人體區(qū)域的算法...

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－２多粒度人體結(jié)構(gòu)對(duì)齊網(wǎng)絡(luò)??Ｆｉｇｕｒｅ?１－２?Ｍｕｌｔｉ－ｇｒａｉｎ?ｈｕｍａｎ?ｓｔｒｕｃｔｕｒｅ?ａｌｉｇｎｍｅｎｔ?ｎｅｔｗｏｒｋ??

合的多層級(jí)多粒度人體局部特征提取算法，使用多粒度識(shí)別網(wǎng)絡(luò)以及多任務(wù)學(xué)習(xí)??策略，訓(xùn)練出一個(gè)性能更加強(qiáng)大的行人重識(shí)別網(wǎng)絡(luò)。本文提出的行人重識(shí)別算法結(jié)??構(gòu)如下圖１－２所示：??Ｉ?ｊＤ?人體部件檢測(cè)Ｎ絡(luò)??＾?？?多粒度識(shí)別Ｍ絡(luò)??Ａ—?．?＾?？Ｈｌ！??Ｉ?Ｌ．ｈｗｒｆ＿?：?....

圖2一1二維

足夠聰明的網(wǎng)絡(luò)結(jié)構(gòu)，另外很重要的工作之一就是通過(guò)使用訓(xùn)練數(shù)據(jù)通過(guò)梯度??降算法或其他訓(xùn)練算法逐次迭代調(diào)整卷積網(wǎng)絡(luò)權(quán)重，最終使網(wǎng)絡(luò)收斂。本節(jié)下面??詳細(xì)介紹卷積網(wǎng)絡(luò)中的主要模塊，有卷積層、池化層、激活函數(shù)、批歸一化層。??．１．１卷積層??卷積網(wǎng)絡(luò)中進(jìn)行的基礎(chǔ)操作之一就是卷積。在卷....

圖2-2三元組Figur七2，ZT石ad

Ｌｒ＾ｌｊＤｌ征空間的距離較大，說(shuō)明模型的特征提取能力不好，當(dāng)Ｙ＝０時(shí)，似，剩余損失函數(shù)部分見(jiàn)公式（２－６）：??Ｌ〇?＝?（１?－?Ｙ）?ｍａｘ?（ｍ?－?＾，?〇）２相似樣本的特征在特征空間的距離小，相應(yīng)損失值為加大，滿(mǎn)足網(wǎng)要求。??）三元組損失，三元組損失輸入是一個(gè)三元組，....

圖３－１人體部件檢測(cè)網(wǎng)絡(luò)??

ＩｄｅｎｔｉｆｉＣａｔｉ〇ｎ［４４］啟發(fā)，多粒度局部特征可以顯著提升算法識(shí)別性能。最終本文提出??一種基于ＲＰＮ的人體部件檢測(cè)網(wǎng)絡(luò)，設(shè)有三個(gè)分支，其中每個(gè)分支對(duì)應(yīng)一種粒度??的人體部件，網(wǎng)絡(luò)結(jié)構(gòu)如下圖３－１所示。??｜ｉ—ｎ????＾?｜Ａｎｃｈｏｒｓ????．．．．．．．．?—....

本文編號(hào)：3986561