【摘要】：行人重識別是指給定目標(biāo)行人的圖像序列,在拍攝區(qū)域不重疊的多攝像頭監(jiān)控網(wǎng)絡(luò)中搜索與其身份相同的行人。它能夠提供目標(biāo)行人在城市中出現(xiàn)的位置和對應(yīng)時間,進(jìn)而可以構(gòu)建其活動軌跡和理解其行為表現(xiàn),逐漸成為國內(nèi)外的研究熱點。由于受到行人行為的動態(tài)變化、監(jiān)控環(huán)境的復(fù)雜多變、設(shè)備配置的參差不齊和監(jiān)控視頻的數(shù)量巨大等因素影響,行人重識別面臨以下四個方面的挑戰(zhàn):1)如何獲取區(qū)分能力強(qiáng)的行人外觀特征快速過濾掉不相關(guān)行人;2)如何減輕拍攝視角變化對步態(tài)識別準(zhǔn)確率的影響;3)如何直接從不規(guī)則步態(tài)序列中自動學(xué)習(xí)顯著的周期性時空信息對步態(tài)序列進(jìn)行特征表示;4)如何融合行人外觀和步態(tài)特征對大規(guī)模行人進(jìn)行快速高效的重識別。因此,針對上述挑戰(zhàn),本文圍繞行人多級外觀特征融合、行人步態(tài)的視角不變性特征提取、不規(guī)則步態(tài)的顯著周期性時空信息學(xué)習(xí)三個方面提出了一系列模型和方法,構(gòu)建了一種漸進(jìn)式行人重識別框架,并在公開數(shù)據(jù)集上進(jìn)行了驗證。本文的主要貢獻(xiàn)總結(jié)如下:(1)行人多級外觀特征融合。本文提出了孿生靈感結(jié)構(gòu)網(wǎng)絡(luò)模型來學(xué)習(xí)行人外觀的高級語義特征。對于行人外觀的低、中級特征,提取了行人外觀的顏色、形狀、紋理等視覺特征;對于行人外觀的高級語義特征,采用孿生靈感結(jié)構(gòu)處理行人外觀的類內(nèi)差異大、類間差異小問題,提高了外觀語義對不同行人的辨別能力;最后,采用零空間度量學(xué)習(xí)方法將多級外觀特征融合為一種綜合特征表示,增強(qiáng)了行人外觀的區(qū)分能力。(2)步態(tài)圖像的任意視角轉(zhuǎn)換方法。行人拍攝視角變化發(fā)生最為頻繁且對步態(tài)識別性能影響很大,為此我們提出了循環(huán)一致的注意力生成對抗網(wǎng)絡(luò)模型將源視角步態(tài)圖像映射到目標(biāo)視角下完成步態(tài)識別任務(wù),用于提高交叉視角步態(tài)識別性能。首先,構(gòu)建了具有兩個分支的生成器網(wǎng)絡(luò)同時感知步態(tài)圖像的全局上下文信息和局部身體細(xì)節(jié);其次,設(shè)計了注意力判別網(wǎng)絡(luò)自適應(yīng)地為步態(tài)圖像的局部區(qū)域分配不同的權(quán)重,有助于在判別過程中挖掘重要細(xì)節(jié)信息以改善合成步態(tài)圖像的質(zhì)量;最后,引入步態(tài)圖像重建網(wǎng)絡(luò)和正向循環(huán)一致性損失函數(shù),利用源視角域和目標(biāo)視角域中的數(shù)據(jù)先驗分布,完成步態(tài)圖像的視角轉(zhuǎn)換,用于保持步態(tài)圖像的身份信息。(3)不規(guī)則步態(tài)的顯著周期性時空信息提取方法。實際應(yīng)用中的行人步態(tài)總是不規(guī)則的,導(dǎo)致步態(tài)識別性能嚴(yán)重下降,我們提出了顯著的空間-時間信息總結(jié)網(wǎng)絡(luò)模型直接從不規(guī)則步態(tài)序列中自動學(xué)習(xí)辨別能力強(qiáng)的顯著性步態(tài)周期特征用于步態(tài)識別任務(wù)。首先,設(shè)計了具有常規(guī)卷積和殘差塊結(jié)構(gòu)的注意力單元,挖掘空間特征圖中與行人身份相關(guān)的顯著語義區(qū)域;其次,采用LSTM對不規(guī)則步態(tài)的周期性運動進(jìn)行建模;最后,設(shè)計了一種注意力時序總結(jié)單元,自適應(yīng)地獲取有助于步態(tài)識別的顯著性周期特征來提高不規(guī)則步態(tài)的識別性能。(4)漸進(jìn)式行人重識別框架。我們設(shè)計了一種漸進(jìn)式行人重識別框架實現(xiàn)在大規(guī)模行人中快速準(zhǔn)確地識別目標(biāo)行人,它包括兩個階段:基于多級外觀的行人粗略過濾和基于行人步態(tài)的精確搜索。在第一個階段,使用行人圖像的顏色、形狀、紋理和高級語義等多級外觀特征由粗到細(xì)逐步地快速過濾掉無關(guān)行人,形成相關(guān)行人搜索子空間,大大縮小了搜索范圍;第二個階段利用步態(tài)序列的顯著周期性特征在相關(guān)行人搜索子空間中完成精確識別。該框架不僅能夠顯著降低行人重識別的時間開銷,同時保證了行人重識別的準(zhǔn)確率。最后,我們構(gòu)建了融合行人外觀和步態(tài)特征的漸進(jìn)式行人重識別原型系統(tǒng),并在公開數(shù)據(jù)集上驗證了原型系統(tǒng)的有效性。
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2019
【分類號】：TP391.41
【圖文】：

標(biāo)行人身份、構(gòu)建其行動軌跡和理解其行為活動己經(jīng)成為亟待解決的重要課題，在逡逑刑事偵查、安全防范（簡稱“安防”）、公共安全管理、行人行為分析等領(lǐng)域有著廣泛逡逑的應(yīng)用前景，如圖１－１所示。逡逑為了實現(xiàn)以人為中心的安全防范、公共安全管理等領(lǐng)域的信息化、智能化，促逡逑進(jìn)視頻監(jiān)控由“看得見、看得清”的舊時代向“看得懂”的新時代邁進(jìn)，學(xué)術(shù)界和逡逑工業(yè)界的專家學(xué)者逐漸將視頻監(jiān)控系統(tǒng)中行人身份識別的相關(guān)研究視為計算機(jī)視逡逑覺領(lǐng)域的當(dāng)前研究熱點。近些年，在計算機(jī)視覺和多媒體領(lǐng)域的重要國際學(xué)術(shù)會逡逑議（ＣＶＰＲ、ＩＣＣＶ、ＡＣＭＭＭ、ＥＣＣＶ邋等）和頂級國際期刊（ＩＥＥＥ邋Ｔｒａｎｓａｃｔｉｏｎｓ邋ｏｎ逡逑Ｐａｔｔｅｒｎ邋Ａｎａｌｙｓｉｓ邋ａｎｄ邋Ｍａｃｈｉｎｅ邋Ｉｎｔｅｌｌｉｇｅｎｃｅ，邋ＩＥＥＥ邋Ｔｒａｎｓａｃｔｉｏｎｓ邋ｏｎ邋Ｉｍａｇｅ邋Ｐｒｏｃｅｓｓｉｎｇ，邋ＩＥＥＥ逡逑Ｔｒａｎｓａｃｔｉｏｎｓ邋ｏｎ邋Ｍｕｌｔｉｍｅｄｉａ等）上陸續(xù)出版了一些行人身份識別相關(guān)的學(xué)術(shù)論文。逡逑ＣＶＰＲ２０１７將行人分析（Ａｎａｌｙｚｉｎｇ邋Ｈｕｍａｎｓ）相關(guān)成果作為一個Ｓｅｓｓｉｏｎ供專家學(xué)者逡逑探討交流。ＣＶＰＲ２０１８展示了一些行人身份識別相關(guān)研究成果，更是吸引了計算機(jī)視逡逑１逡逑

行人重識別（Ｐｅｒｓｏｎ邋ｒｅ－ｉｄｅｎｔｉｆｉｃａｔｉｏｎ），是指輸入一個目標(biāo)行人圖像或視頻片逡逑段，在拍攝區(qū)域不重疊的多攝像頭監(jiān)控網(wǎng)絡(luò)中搜索與目標(biāo)行人身份相同的行人。如逡逑圖１－２所示，在覆蓋區(qū)域無重疊的監(jiān)控視頻中搜索目標(biāo)行人，獲取他的出現(xiàn)位置和時逡逑間，進(jìn)而可以構(gòu)建目標(biāo)行人的活動軌跡，為理解其行為表現(xiàn)提供依據(jù)。通過行人重識逡逑別系統(tǒng)，安全管理部門可以準(zhǔn)確、便捷地在海量監(jiān)控視頻數(shù)據(jù)中發(fā)現(xiàn)、定位、追蹤逡逑目標(biāo)行人，并利用這些信息分析目標(biāo)行人的行為活動。本文以視頻監(jiān)控為背景，研逡逑究以重識別行人身份為目標(biāo)的關(guān)鍵技術(shù)。逡逑針對視頻監(jiān)控網(wǎng)絡(luò)，一個完整的行人重識別系統(tǒng)通常由行人檢測、行人跟蹤和逡逑行人重識別三個模塊組成，如圖１－３所示。行人檢測模塊利用計算機(jī)視覺技術(shù)判斷原逡逑始視頻幀中是否存在行人并對其進(jìn)行精確定位，使用邊界矩形框提取行人圖片生成逡逑行人圖像庫，它們通常來自于不同攝像頭拍攝的不連續(xù)幀；在單個攝像機(jī)拍攝的視逡逑頻中

可以將行人重識別分為基于圖像的行人重識別和基于視頻的行人重識別兩類。逡逑在基于圖像的行人重識別研宄中，數(shù)據(jù)源為不同攝像機(jī)拍攝的行人圖像，識別過程逡逑中僅僅使用了圖像的空間信息描述行人的外觀特征，典型研究成果［１８］如圖１－４所示。逡逑基于視頻的行人重識別方法以不同攝像機(jī)拍攝的行人視頻片段為數(shù)據(jù)源，識別過程逡逑中不僅考慮了視頻幀圖像的空間信息，而且還利用了視頻幀之間的時序信息（即行逡逑人的運動信息），典型研究成果［１Ｇ］如圖１－５所示。逡逑４逡逑

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金X;陳少昌;;步態(tài)識別現(xiàn)狀與發(fā)展[J];計算機(jī)科學(xué);2019年S1期

2 王鶴;石玉;;基于步態(tài)識別的人物鑒定系統(tǒng)在犯罪搜查中的應(yīng)用[J];中國安防;2018年10期

3 陸欣嬈;;步態(tài)識別特征工程算法研究[J];現(xiàn)代商貿(mào)工業(yè);2019年10期

4 晨月;鐘鑫;;世界首個基于步態(tài)識別的嫌疑人鑒定系統(tǒng)[J];中國安防;2018年04期

5 何逸煒;張軍平;;步態(tài)識別的深度學(xué)習(xí):綜述[J];模式識別與人工智能;2018年05期

6 李玲玲;;人臉識別和步態(tài)識別技術(shù)融合的必要性[J];電腦知識與技術(shù);2018年28期

7 ;中科院“步態(tài)識別”技術(shù) 不看臉50m內(nèi)完成識別[J];智能建筑與智慧城市;2017年10期

8 雷玉堂;;步態(tài)識別技術(shù)的工作原理及發(fā)展趨勢[J];中國公共安全;2015年Z2期

9 ;“步態(tài)識別”技術(shù):50米內(nèi)人群中認(rèn)出你[J];東西南北;2017年21期

10 張艷靜;;“刷臉”正盛,步態(tài)識別又來了[J];農(nóng)村青少年科學(xué)探究;2018年06期

相關(guān)會議論文 前8條

1 鄧玉春;劉世平;;自動步態(tài)識別方法研究綜述[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國青年通信學(xué)術(shù)會議論文集（上冊）[C];2007年

2 張聰;明東;萬柏坤;;基于小波描述子和人體骨架模型的多視角融合步態(tài)識別[A];天津市生物醫(yī)學(xué)工程學(xué)會第29屆學(xué)術(shù)年會暨首屆生物醫(yī)學(xué)工程前沿科學(xué)研討會論文集[C];2009年

3 朱京紅;方帥;高明;方杰;;基于人工免疫模型的步態(tài)識別方法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

4 葉波;文玉梅;李平;;基于核主元分析和支持向量機(jī)的步態(tài)識別算法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

5 王雷;;技術(shù)落地,產(chǎn)業(yè)升級[A];2017年中國家用電器技術(shù)大會論文集[C];2017年

6 徐揚(yáng);陳實;田玉敏;;基于核主成分分析的步態(tài)識別[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

7 何衛(wèi)華;李平;文玉梅;葉波;袁海軍;;運用下肢關(guān)節(jié)角度信息進(jìn)行步態(tài)識別[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

8 田媛;隋國榮;;光纖步態(tài)識別技術(shù)研究[A];長三角地區(qū)科技論壇激光分論壇暨上海市激光學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

相關(guān)重要報紙文章 前10條

1 記者 馬愛平;步態(tài)識別互聯(lián)系統(tǒng)“慧眼”辨識“嫌疑人”[N];科技日報;2019年

2 本報記者 錢力;步態(tài)識別：50米外，秒讀你的“活體密碼”[N];科技日報;2019年

3 ;首個步態(tài)識別互聯(lián)系統(tǒng)“水滴慧眼”發(fā)布[N];中國電子報;2019年

4 本報記者 倪浩;步態(tài)識別能否成蒙面暴徒克星[N];環(huán)球時報;2019年

5 本報記者 李大慶;這家獨一份的公司靠辨別走路姿勢占領(lǐng)市場[N];科技日報;2018年

6 本報記者 駱倩雯;“以步識人”二十年磨一劍[N];北京日報;2019年

7 鋅刻度記者 李覲麟;銀河水滴:步態(tài)識別世界領(lǐng)先者[N];電腦報;2018年

8 本報記者 徐晶卉;“它可能每天每秒都在進(jìn)步”[N];文匯報;2017年

9 時報記者 王森;專業(yè)化環(huán)境助優(yōu)秀企業(yè)崛起[N];濱海時報;2017年

10 中國經(jīng)濟(jì)導(dǎo)報記者 王曉濤;步態(tài)識別：銀河水滴煉成的“火眼金睛”[N];中國經(jīng)濟(jì)導(dǎo)報;2017年

相關(guān)博士學(xué)位論文 前10條

1 李雙群;漸進(jìn)式行人重識別關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2019年

2 陳欣;多步態(tài)識別與合成[D];暨南大學(xué);2018年

3 李偉;基于單角色視頻的人物運動分析[D];山東大學(xué);2018年

4 蘇菡;基于步態(tài)分析的身份識別研究[D];哈爾濱工程大學(xué);2006年

5 趙國英;基于視頻的步態(tài)識別[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2005年

6 田光見;步態(tài)特征提取與識別技術(shù)研究[D];西北工業(yè)大學(xué);2006年

7 柴艷妹;基于步態(tài)特征的身份識別技術(shù)研究[D];西北工業(yè)大學(xué);2007年

8 顧磊;基于圖像序列的人體步態(tài)識別方法研究[D];南京理工大學(xué);2008年

9 張元元;基于序列統(tǒng)計特性的步態(tài)識別算法研究[D];山東大學(xué);2010年

10 徐萬江;基于特征子空間的跨視角步態(tài)識別研究[D];蘇州大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 廖日軍;基于人體姿態(tài)特征的步態(tài)識別研究[D];深圳大學(xué);2018年

2 姜佳楠;基于視頻序列的步態(tài)識別方法研究[D];沈陽建筑大學(xué);2017年

3 李影;基于sEMG的步態(tài)運動模式細(xì)分及其識別方法[D];杭州電子科技大學(xué);2018年

4 王宏宇;基于骨架模型分類的人體步態(tài)識別[D];東北大學(xué);2015年

5 朱瑩瑩;基于BEMD的多視角步態(tài)識別算法研究[D];哈爾濱理工大學(xué);2018年

6 何書芹;基于手機(jī)加速度傳感器的步態(tài)識別研究[D];西北師范大學(xué);2018年

7 成豐江;基于確定學(xué)習(xí)理論的步態(tài)識別與步態(tài)對稱性研究[D];華南理工大學(xué);2018年

8 康忠潤;基于確定學(xué)習(xí)理論和Kinect數(shù)據(jù)流的人體正面步態(tài)識別研究[D];華南理工大學(xué);2018年

9 袁鵬瑞;基于多輪廓特征融合的步態(tài)識別方法研究[D];西安科技大學(xué);2018年

10 劉帥;基于下肢角度和足底壓力分布視觸覺特征融合的步態(tài)識別研究[D];河北工業(yè)大學(xué);2016年

本文編號：2798650