針對行人圖像的深度特征缺乏對局部細節(jié)的描述,及不完全具備對尺度、旋轉、平移及光照變化等各種因素的不變性而導致行人搜索準確率低的問題,本文提出一種具有強化深度特征融合的行人搜索系統(tǒng)。該系統(tǒng)將行人候選網絡和行人識別網絡兩部分整合優(yōu)化成統(tǒng)一框架。其中,行人候選網絡實現(xiàn)行人框的獲取及標定,而行人識別網絡在獲取深度學習特征的基礎上融入具有幾何不變性的傳統(tǒng)特征,建立一個強化深度特征融合網絡模型。實驗結果表明,本文采用強化深度特征融合的網絡模型,在SSM數(shù)據集上檢測并框出圖片中的行人,其Top-1識別正確率高達80.7%,比單純采用深度特征模型更具優(yōu)越性。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖3深度特征融合模型深度學習自主學習到的CNN特征具有良好的通

，其中行人識別網絡與行人候選網絡共享基本的卷積特征映射圖;最后實現(xiàn)在行人識別網絡上提取行人圖像特征，進行行人特征匹配得到正確目標人物。行人識別網絡在ＲesNet-50的剩余網絡部分加入具有幾何不變性的SIFT特征，實現(xiàn)特征融合互補［11］。在訓練階段，通過多任務方式來采用OIM損....

圖5行人搜索結果(c)(c1)(c2)(c3)

3個行人檢測器和5個行人再識別方法�，F(xiàn)成的檢測器有CCF［19］、ACF［20］和基于神經網絡的ＲesNet-50;行人再識別采用的特征表示有DenseSIFT-ColorHist(DSIFT)［21］、BagofWords(BoW)［22］和LOMO［23］;相對應的度量距離方....

本文編號：3997665