隨著智慧城市的發(fā)展與普及,計(jì)算機(jī)視覺技術(shù)在諸多實(shí)際場景中得到了廣泛的應(yīng)用,如刑事偵查、智能安防、圖像檢索、人機(jī)交互等。相比于傳統(tǒng)的人工識(shí)別,智能化監(jiān)控管理技術(shù)能大大的降低成本和提高檢測(cè)效率。行人重識(shí)別的特性是跨攝像機(jī)檢索,評(píng)測(cè)準(zhǔn)則是要求檢索出不同攝像機(jī)下面的同一行人。在現(xiàn)實(shí)場景中,由于光照、拍攝角度、人體姿態(tài)變化等不可控因素,導(dǎo)致檢索目標(biāo)難以識(shí)別,這使得重識(shí)別研究成為一個(gè)具有挑戰(zhàn)性的課題。近幾年,隨著深度學(xué)習(xí)在多個(gè)領(lǐng)域上的快速發(fā)展,本文就基于深度學(xué)習(xí)的行人重識(shí)別技術(shù)展開研究,本文的主要工作和貢獻(xiàn)具體如下:現(xiàn)有的大多數(shù)方法都是基于行人的全局特征或是簡單劃分的局部特征,但是特征信息是行人重識(shí)別技術(shù)中重要的一部分。為了提取行人圖像中更有辨識(shí)力的特征信息,同時(shí)減少背景環(huán)境對(duì)行人特征提取的影響,本文提出了基于行人骨架劃分與多特征嵌入的行人重識(shí)別。本文對(duì)行人進(jìn)行骨架點(diǎn)提取,然后利用優(yōu)化劃分準(zhǔn)則對(duì)行人圖像進(jìn)行局部區(qū)域劃分。利用神經(jīng)網(wǎng)絡(luò)分別對(duì)局部區(qū)域和全局圖像進(jìn)行訓(xùn)練,對(duì)提取到的全局與局部特征進(jìn)行融合,融合后的特征具備豐富性和完整性。在相似性距離計(jì)算上利用局部信息的交叉匹配原則擴(kuò)大類間距離和縮小類內(nèi)距... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 行人重識(shí)別領(lǐng)域的難點(diǎn)和現(xiàn)存問題
    1.4 本文研究內(nèi)容
    1.5 本文組織結(jié)構(gòu)
第2章 行人重識(shí)別相關(guān)技術(shù)研究
    2.1 多層特征表達(dá)與提取
    2.2 排序方法
    2.3 數(shù)據(jù)增強(qiáng)方法
    2.4 行人重識(shí)別評(píng)價(jià)指標(biāo)與數(shù)據(jù)集
        2.4.1 評(píng)價(jià)指標(biāo)
        2.4.2 公用數(shù)據(jù)集
    2.5 本章小結(jié)
第3章 基于行人骨架劃分與多特征嵌入的行人重識(shí)別
    3.1 基于行人骨架劃分與多特征嵌入總架構(gòu)
    3.2 行人骨架劃分
        3.2.1 行人背景濾除
        3.2.2 局部區(qū)域劃分
    3.3 多特征嵌入與交叉匹配
        3.3.1 局部與全局特征融合
        3.3.2 區(qū)域交叉匹配
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 實(shí)驗(yàn)配置與參數(shù)
        3.4.2 優(yōu)化劃分實(shí)驗(yàn)
        3.4.3 實(shí)驗(yàn)結(jié)果對(duì)比與性能分析
    3.5 本章小結(jié)
第4章 基于混合結(jié)構(gòu)與特征點(diǎn)匹配的重識(shí)別研究
    4.1 混合結(jié)構(gòu)與特征點(diǎn)匹配算法的總框架
    4.2 混合網(wǎng)絡(luò)結(jié)構(gòu)模型
        4.2.1 網(wǎng)絡(luò)結(jié)構(gòu)與特征融合
        4.2.2 相似性度量
    4.3 基于SURF算法的重排序算法
        4.3.1 SURF算法介紹
        4.3.2 特征點(diǎn)提取
        4.3.3 特征點(diǎn)匹配與重排序
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 特征點(diǎn)匹配實(shí)驗(yàn)
        4.4.2 實(shí)驗(yàn)結(jié)果對(duì)比與性能分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于深度卷積生成對(duì)抗網(wǎng)絡(luò)和拓展近鄰重排序的行人重識(shí)別[J]. 戴臣超,王洪元,倪彤光,陳首兵.  計(jì)算機(jī)研究與發(fā)展. 2019(08)
[2]多特征融合的行人目標(biāo)優(yōu)選算法研究[J]. 樊海瑋,張博敏,史雙,張艷萍,藺琪,孫歡.  信息通信. 2019(05)
[3]鑒別性特征學(xué)習(xí)模型實(shí)現(xiàn)跨攝像頭下行人即時(shí)對(duì)齊[J]. 余春艷,鐘詩俊.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2019(04)
[4]基于深度學(xué)習(xí)的行人重識(shí)別研究進(jìn)展[J]. 羅浩,姜偉,范星,張思朋.  自動(dòng)化學(xué)報(bào). 2019(11)
[5]基于姿態(tài)對(duì)齊的行人重識(shí)別方法（英文）[J]. 王金,劉潔,高常鑫,桑農(nóng).  控制理論與應(yīng)用. 2017(06)
[6]距離度量學(xué)習(xí)的攝像網(wǎng)絡(luò)中行人重識(shí)別[J]. 章東平,徐麗園.  中國計(jì)量大學(xué)學(xué)報(bào). 2016(04)
[7]融合底層和中層字典特征的行人重識(shí)別[J]. 王麗.  中國光學(xué). 2016(05)

碩士論文
[1]行人重識(shí)別中的多尺度特征和重排序框架研究[D]. 袁明月.中國科學(xué)技術(shù)大學(xué) 2019



本文編號(hào)：3186205