行人再識(shí)別技術(shù)作為視頻分析中重點(diǎn)的研究?jī)?nèi)容之一,吸引了大批學(xué)者的關(guān)注。該技術(shù)是根據(jù)提取的行人視覺特征,在跨攝像頭的情況下判斷給定行人是否為相同行人。目前,行人再識(shí)別的研究側(cè)重于對(duì)行人特征的提取。人工提取行人特征的方法集中在對(duì)顏色及紋理等低層特征的處理,基于深度學(xué)習(xí)的行人再識(shí)別的特征提取算法的研究主要是針對(duì)以行人身份驗(yàn)證、身份識(shí)別任務(wù),通過構(gòu)建復(fù)雜的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來實(shí)現(xiàn)行人的特征匹配,因此設(shè)計(jì)簡(jiǎn)單且有效的網(wǎng)絡(luò)結(jié)構(gòu)提取更具區(qū)分性和魯棒性的行人特征是本文行人再識(shí)別研究的重點(diǎn)內(nèi)容。本文提出了基于多任務(wù)聯(lián)合監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)結(jié)構(gòu),通過提取更具區(qū)分能力的深層卷積行人特征,有效提升了行人再識(shí)別效果。多任務(wù)聯(lián)合監(jiān)督學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)主要涉及聯(lián)合監(jiān)督的行人身份信息學(xué)習(xí)和輔助特征提取的行人多屬性學(xué)習(xí)兩個(gè)方面。本文首先提出利用兩個(gè)損失函數(shù)對(duì)行人身份識(shí)別任務(wù)實(shí)現(xiàn)聯(lián)合監(jiān)督學(xué)習(xí),這種方法既可以使網(wǎng)絡(luò)學(xué)習(xí)得到的特征具有不同行人之間得差異性信息又可以使所學(xué)特征具有相同行人之間的相關(guān)性信息,將兩種信息采用聯(lián)合監(jiān)督的學(xué)習(xí)方式指導(dǎo)網(wǎng)絡(luò)模型的參數(shù)更新,有效的提高了行人特征的表現(xiàn)能力。本文又考慮到行人單一的身份信息對(duì)于指導(dǎo)網(wǎng)絡(luò)學(xué)習(xí)行人的具... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Inception結(jié)構(gòu)

哈爾濱工業(yè)大學(xué)碩士學(xué)位論文差的增加。如圖 1-2 所示，圖左邊是普通網(wǎng)習(xí)單元。可以明確的看出，當(dāng) x 為某個(gè)神經(jīng)；ResNet 殘差的學(xué)習(xí)，則是直接將輸入的 ，改變了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)目標(biāo)為 F(x)=H(x)-練高達(dá) 152 層深的神經(jīng)網(wǎng)絡(luò)。殘差學(xué)習(xí)單元結(jié)構(gòu)設(shè)計(jì)又邁進(jìn)了一步。

哈爾濱工業(yè)大學(xué)碩士學(xué)位論文第 2 章 行人再識(shí)別相關(guān)算法介紹在現(xiàn)實(shí)生活中，人們每天都在重復(fù)著行人再識(shí)別的任務(wù)。對(duì)于人類來說，大腦可以很輕松的處理再識(shí)別的問題。但對(duì)于計(jì)算機(jī)而言，要想實(shí)現(xiàn)行人再識(shí)別這個(gè)任務(wù)同時(shí)還要取得一定的準(zhǔn)確率可以說是非常困難的，圖 2-1 為行人再識(shí)別任務(wù)的示意圖。在行人再識(shí)別系統(tǒng)中，人們指定一個(gè)行人目標(biāo)作為系統(tǒng)輸入，從利用在多個(gè)攝像頭下所截取的數(shù)量龐大的候選集圖庫(kù)中找尋與輸入目標(biāo)相一致的行人圖像作為輸出結(jié)果，從而實(shí)現(xiàn)對(duì)目標(biāo)行人的目標(biāo)路徑跟蹤等其他任務(wù)。


本文編號(hào)：2975215