行人再識別是一種熱門的計算機視覺算法,其利用生活中的監(jiān)控攝像頭拍攝的圖像實現(xiàn)行人跨區(qū)域再次檢索,即行人跨境追蹤。行人再識別算法的研究對于推動公共安防事業(yè)的發(fā)展有著重要的意義。由于受到環(huán)境的限制,行人再識別在實際應(yīng)用中面臨著一些難題,如:行人對不齊、背景干擾等。為了提高行人再識別的準確率,解決行人再識別中存在的對不齊和背景干擾的問題,本研究在常用的水平分割方法的基礎(chǔ)上進行改進,重點研究了基于多粒度特征深度學(xué)習(xí)的行人再識別算法。本文主要研究內(nèi)容如下:研究人體局部區(qū)域定位算法,來實現(xiàn)人體上、下半身檢測。為了提高算法對于行人圖像上、下半身的檢測的成功率,同時提高網(wǎng)絡(luò)對模糊圖片的檢測效果,該算法在Yolov1目標檢測算法的基礎(chǔ)上,對特征提取網(wǎng)絡(luò)進行替換、對網(wǎng)格分割策略進行修改、修改網(wǎng)絡(luò)輸入圖像尺寸、加入了數(shù)據(jù)預(yù)處理機制。通過實驗測試改進前、后的Yolov1算法對人體上、下半身的檢測效果,證明所研究的人體局部區(qū)域定位算法比Yolov1擁有更好的人體上、下半身檢測的效果。為了緩解行人對不齊和背景干擾問題,對傳統(tǒng)的水平分割進行改進,提出一種行人特征圖精準分割方法。該方法利用人體局部區(qū)域定位算法提取的行... 

【文章來源】：沈陽工業(yè)大學(xué)遼寧省

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

PC端Market1501數(shù)據(jù)集結(jié)構(gòu)截圖

第3章多粒度特征融合行人再識別算法47f(x)=max(x,x)（3.14）其中，是一個很小的參數(shù)，一般取0.001。LeakeyReLU函數(shù)曲線圖如圖3.16所示。圖3.16LeakeyReLU函數(shù)曲線Fig.3.16LeakeyReLUfunctioncurve通過上述對11卷積層、BN層、激活函數(shù)的分析得到了降維層的結(jié)構(gòu)如圖3.17所示。20481111,1,02048,256convstridepaddinginout====2561125611()()()()()()[][]kkkkkkxExyVarx=+25611卷積層BN層激活函數(shù)102411f(x)=max(x,x)圖3.17降維層結(jié)構(gòu)Fig.3.17Dimensionalityreductionlayerstructure

沈陽工業(yè)大學(xué)碩士學(xué)位論文66圖3.33行人再識別軟件主界面Fig.3.33Themaininterfaceofthepersonre-identificationsoftware圖3.34檢測結(jié)果展示Fig.3.34Testresultdisplay從圖3.34可以看出，最右側(cè)的單獨的一張圖片為目標行人圖像，在通過再識別算法計算后，可以得到左側(cè)五張排序后的行人圖像。這五張圖像中從左數(shù)第一張為相似度最高的，接下來相似度依次降低。經(jīng)過多次測試發(fā)現(xiàn)，這款軟件可以很好的對視頻中的行人進行再識別，同時說明多粒度特征融合行人再識別算法在一定程度上可以實現(xiàn)簡單的行人再識別在現(xiàn)實場景下的應(yīng)用。3.5本章小結(jié)（1）提出了一種多粒度特征融合行人再識別算法。通過引入人體上、下半身坐標分割人體全局特征圖，并融合全局特征、局部上、下半身特征、淺層重疊四分割特征，在一定程度上緩解了行人圖像背景干擾和人體姿態(tài)對不齊對識別準確率的影響，在

【參考文獻】：
期刊論文
[1]通道互注意機制下的部位對齊行人再識別[J]. 陳巧媛,陳瑩.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2020(08)
[2]基于HSV顏色空間的運動目標識別[J]. 付長斐,葉賓,李會軍.  控制與信息技術(shù). 2020(02)
[3]深度神經(jīng)網(wǎng)絡(luò)中激活函數(shù)的研究[J]. 牟晉娟.  電腦編程技巧與維護. 2019(12)
[4]區(qū)域塊分割與融合的行人再識別[J]. 蔣建國,楊寧,齊美彬,陳翠群.  中國圖象圖形學(xué)報. 2019(04)
[5]行人再識別技術(shù)綜述[J]. 李幼蛟,卓力,張菁,李嘉鋒,張輝.  自動化學(xué)報. 2018(09)
[6]行人再識別研究進展綜述[J]. 張建明,羊立,成科揚.  信息技術(shù). 2017(10)
[7]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學(xué)報. 2017(06)
[8]常用圖像去噪濾波方法比較分析[J]. 王俊芳,王正歡,王敏.  現(xiàn)代商貿(mào)工業(yè). 2009(16)

碩士論文
[1]基于深度學(xué)習(xí)的脫機手寫漢字識別技術(shù)研究[D]. 黃洋.重慶郵電大學(xué) 2019
[2]基于深度學(xué)習(xí)的行人再識別研究[D]. 何蘭.西安電子科技大學(xué) 2018
[3]基于多屬性融合的行人再識別研究[D]. 柳茂林.華中科技大學(xué) 2017



本文編號：3493098