近年來,國家在快速向信息化、智能化的方向發(fā)展,對人工智能技術(shù)的研究顯得尤為重要。計算機視覺作為其重要組成部分,在智能監(jiān)控、無人駕駛、智慧交通等領(lǐng)域有廣泛的應用價值。而行人作為視覺中最值得關(guān)注的對象之一,國內(nèi)外學者對其進行了大量的研究。為了實現(xiàn)監(jiān)控場景下的行人重識別任務,同時提升行人檢測的速度與行人重識別的精度,本文就智能監(jiān)控下的行人檢測與重識別問題展開研究,主要工作如下:（1）為了能夠快速準確地檢測出監(jiān)控圖像中的行人目標,設計了一個融合感受野結(jié)構(gòu)的輕量級行人檢測模型。具體地,為了減少模型參數(shù)量,提高行人檢測速度,設計了一個卷積層最大通道數(shù)僅有256的輕量級特征提取網(wǎng)絡,用于提取圖像中有效的特征;此外,為了提高模型檢測精度,在輕量級特征提取網(wǎng)絡中引入改進的感受野組件,以提取判別力更強的特征;最后,為了使模型能夠更加準確地檢測圖像中大小各異的行人,從特征提取網(wǎng)絡中選取六個不同尺寸的特征圖,并針對行人形態(tài)分布特點為每個特征圖設計不同的錨點框,進行類別預測與位置預測。實驗結(jié)果表明,該模型不僅能夠準確地檢測圖像中的行人,還在一定程度上提高現(xiàn)有目標檢測模型的檢測速度。（2）為了解決行人圖像之間的匹... 

【文章來源】：河南大學河南省

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【部分圖文】：

行人檢測模型檢測結(jié)果可視化

第4章多粒度行人重識別模型53（e）（f）（g）（h）圖4-10行人重識別模型結(jié)果可視化在圖4-10中，每一行最左側(cè)一幅圖像為查詢圖像（query），右側(cè)10幅圖像為該模型在數(shù)據(jù)集候選圖像庫（gallery）中找出的與查詢圖像最相似的10個行人圖像，序號為綠色表示與查詢圖像ID相同，序號為紅色則表示與查詢圖像ID不同。從圖4-10可以看出，圖4-10（a）、（b）、（c）、（d）、（e）結(jié)果均正確，圖4-10（f）、（g）、（h）中出現(xiàn)與查詢圖像ID不同的行人，這是因為圖4-10（f）中標號為“10”、圖4-10（g）中標號為“6”和“9”的行人外觀均與其對應查詢圖像中的行人外觀十分相似，且行人圖像分辨率較低，導致出現(xiàn)錯誤結(jié)果。而圖4-10（h）中標號為“9”和“10”的行人被錯誤匹配，則是因為該查詢圖像中行人在候選圖像庫中僅有8幅圖像，導致結(jié)果中出現(xiàn)兩幅與其最相似的其他行人圖像。由此可見，本章行人重識別模型具有一定的有效性與可靠性。4.4本章小結(jié)本章設計了一種用于解決行人圖像之間匹配問題的多粒度行人重識別模型。由于該模型設計了一個多粒度特征提取網(wǎng)絡，分別從ResNet50主干網(wǎng)絡的Conv4和Conv5的特征圖上提取不同粒度的全局特征與局部特征，因此，提取的特征信息更全面、判別力更強。此外，由于該模型采取表征學習與度量學習聯(lián)合的方式，在模型中設置標簽平滑ID損失和Batch-Hard三元組損失進行監(jiān)督學習，從而使模型能夠?qū)W習出更優(yōu)的網(wǎng)絡參

【參考文獻】：
碩士論文
[1]多場景交通視頻目標檢測系統(tǒng)設計與實現(xiàn)[D]. 李嘉宸.河南大學 2019



本文編號：2931082