行人重識(shí)別這一課題指的是在時(shí)間、空間非重疊的監(jiān)控?cái)?shù)據(jù)中,檢索某一段監(jiān)控?cái)?shù)據(jù)中出現(xiàn)的某一個(gè)目標(biāo)人物是否也在其他的監(jiān)控?cái)?shù)據(jù)中出現(xiàn)。最近的幾年,行人重識(shí)別問題引起了深度學(xué)習(xí)領(lǐng)域的廣大科研人員的興趣,紛紛在這一領(lǐng)域投入大量精力進(jìn)行研究,并提出了許多優(yōu)秀的算法。視頻監(jiān)控中的拍攝圖像常常具有分辨率低、光照變化較為劇烈、攝像設(shè)備視角變化較大、行人的動(dòng)作和姿態(tài)多變等常見問題,這會(huì)導(dǎo)致同一行人在不同的視頻中具有很大的差異,給行人重識(shí)別課題增加了巨大的挑戰(zhàn)。此外,學(xué)術(shù)界中行人重識(shí)別任務(wù)的視頻數(shù)據(jù)集基本只含有幾百個(gè)或者一千個(gè)左右的行人數(shù)據(jù),這對(duì)于訓(xùn)練一個(gè)效果較好的多幀圖像行人重識(shí)別深度網(wǎng)絡(luò)模型是不足夠的,不利于神經(jīng)網(wǎng)絡(luò)模型分類效果的提高。本篇論文立足于來解決基于視頻序列的行人重識(shí)別任務(wù),在算法中首先利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）設(shè)計(jì)了一種將序列數(shù)據(jù)用來訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)。之后以這個(gè)深度神經(jīng)網(wǎng)絡(luò)作為基礎(chǔ),通過遷移學(xué)習(xí)的方法提高網(wǎng)絡(luò)訓(xùn)練的效果,用來解決因訓(xùn)練數(shù)據(jù)不足而對(duì)網(wǎng)絡(luò)訓(xùn)練造成的不良影響。具體采用的遷移學(xué)習(xí)方式有兩種:基于預(yù)訓(xùn)練方式的遷移學(xué)習(xí)方法以及使用了跨模態(tài)對(duì)齊模塊的遷移學(xué)習(xí)。本文先... 

【文章來源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：86 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

–1iLIDS-VID行人重識(shí)別數(shù)據(jù)庫樣例圖

非常具有挑戰(zhàn)性。我們將 600 個(gè)行人及其對(duì)應(yīng)的序列化圖像數(shù)據(jù)分為 2 個(gè)集合：訓(xùn)練集和測(cè)試集。訓(xùn)練集和測(cè)試集的行人數(shù)量相同，即訓(xùn)練集包含 300 個(gè)行人對(duì)象，測(cè)試集包含 300 個(gè)行人對(duì)象。iLIDS-VID 的數(shù)據(jù)庫中的樣例圖如圖2–1所示。圖 2–2 PRID 200 行人重識(shí)別數(shù)據(jù)庫樣例圖Fig 2–2 The example images of PRID 2011 person re-identification dataset2.2.2 PRID 200 數(shù)據(jù)庫PRID 2011 數(shù)據(jù)集由從兩個(gè)位置不同的監(jiān)視攝像機(jī)記錄的行人軌跡中提取的圖像組成 [30]。來自這些攝像機(jī)的拍攝圖像包含了拍攝視角的變化以及和光照、背景內(nèi)容相關(guān)— 9 —

長(zhǎng)度長(zhǎng)于 21 的行人數(shù)據(jù)。共有 200 個(gè)行人的數(shù)據(jù)包含在內(nèi)。我們將 200 個(gè)行人及其對(duì)應(yīng)的序列化圖像數(shù)據(jù)分為 2 個(gè)集合：訓(xùn)練集和測(cè)試集。訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集的行人數(shù)量相同，分別包含 100 個(gè)行人對(duì)象。PRID 200 數(shù)據(jù)庫的樣例圖片如圖2–2所示�！� 10 —

【參考文獻(xiàn)】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[2]結(jié)合全局詞向量特征的循環(huán)神經(jīng)網(wǎng)絡(luò)語言模型[J]. 李華,屈丹,張文林,王炳錫,梁玉龍.  信號(hào)處理. 2016(06)
[3]深度學(xué)習(xí)的研究與發(fā)展[J]. 張建明,詹智財(cái),成科揚(yáng),詹永照.  江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(02)
[4]深度學(xué)習(xí)的昨天、今天和明天[J]. 余凱,賈磊,陳雨強(qiáng),徐偉.  計(jì)算機(jī)研究與發(fā)展. 2013(09)
[5]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計(jì)算機(jī)應(yīng)用研究. 2012(08)



本文編號(hào)：2989082