行人識別一直是計算機視覺人工智能領(lǐng)域的研究熱點之一。近年來,人工智能發(fā)展迅速,智能機器人,自動機器人駕駛,智能視頻監(jiān)控系統(tǒng)等應(yīng)用的不斷出現(xiàn)使得行人識別問題的研究越來越重要。行人識別主要是利用計算機視覺技術(shù)和人工智能技術(shù)對攝像機下出現(xiàn)的行人目標進行分析,從而進一步獲取他們的運動狀態(tài),對打擊犯罪,交通控制,自動駕駛有很大的作用。非重疊視域下的行人再識別的實質(zhì)就是判斷一個在攝像頭監(jiān)控下的行人是否在另一個攝像頭下出現(xiàn)并能持續(xù)性的跟蹤。在現(xiàn)實的行人識別場景中,由于攝像機角度的變化,背景因素的影響,光照強度的變化,行人姿勢的改變和行人運動過程中遮擋物的出現(xiàn),使得監(jiān)控系統(tǒng)采集到的行人外觀差異較大,由此給行人再識別問題帶來了極大的挑戰(zhàn)性。本文在卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks,簡稱CNN）的訓(xùn)練中,加入行人的屬性特征聯(lián)合訓(xùn)練,用網(wǎng)絡(luò)訓(xùn)練出的結(jié)果進行行人的識別。本文使用CNN進行行人的姿態(tài)關(guān)節(jié)檢測,并構(gòu)建行人PoseBox的行人預(yù)處理數(shù)據(jù)集。先使用CPM（Convolutional pose machines）框架對原有數(shù)據(jù)集進行行人的關(guān)節(jié)點檢測。利用行人的關(guān)節(jié)點... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

Market501數(shù)據(jù)集樣例

對人力物力是個極大的考驗。針對以上的行人預(yù)處理的問題，本文入的行人預(yù)處理方式，并結(jié)合深度學(xué)習(xí)方法來解決上述問題。該算法減輕了光照，遮擋，視角變化等因素的影響。圖 1.1 Market501 數(shù)據(jù)集樣例

圖 1.3 不同攝像機下視角不同的行人1.3 行人再識別研究現(xiàn)狀在實際場景中的視頻監(jiān)控中，光照強度的變化導(dǎo)致的行人外觀顏色變化，攝像機不同造成行人外觀的不同，以及行人走路過程中的姿勢變化導(dǎo)致行人外觀的變形，給識別問題帶來了極大的挑戰(zhàn)。針對以上行人識別中的問題，研究者們采取了各種各樣去解決。目前行人識別的研究方法大概可以分為三種：手動特征法[9-10]、基于深度學(xué)習(xí)11-13]、基于距離測度學(xué)習(xí)[14-15]的方法。手動特征法是最早出現(xiàn)的解決行人再識別問題的方法，該方法側(cè)重于提取魯棒性外觀特征描述子，之后對這些特征外觀描述子進行特征匹配。手動特征法不需要進行的學(xué)習(xí)，取而代之的是直接提取行人圖片的特征向量，之后采用歐式距離或巴氏距離行人特征的匹配。基于手動特征法的行人識別算法對提取的行人圖像特征要求較高，

【參考文獻】：
期刊論文
[1]基于多特征子空間與核學(xué)習(xí)的行人再識別[J]. 齊美彬,檀勝順,王運俠,劉皓,蔣建國.  自動化學(xué)報. 2016(02)
[2]多特征融合的人體目標再識別[J]. 范彩霞,朱虹,藺廣逢,羅磊.  中國圖象圖形學(xué)報. 2013(06)



本文編號：3461316