隨著人工智能技術(shù)的快速發(fā)展和實際應(yīng)用的巨大潛力,如何在監(jiān)控視頻中實現(xiàn)對行人的姿態(tài)估計和重識別,及時發(fā)現(xiàn)和處理行人的異常危險行為并實現(xiàn)對目標(biāo)人物的檢索追蹤,從而提高公共場所的安全預(yù)警能力,這已經(jīng)成為了工業(yè)界和學(xué)術(shù)界熱門的研究課題之一。傳統(tǒng)的以及現(xiàn)有主流的基于深度學(xué)習(xí)的行人姿態(tài)估計算法,在應(yīng)用到實際監(jiān)控視頻場合中時,都不能滿足任務(wù)處理的實時性和準(zhǔn)確性要求。另外,行人重識別算法更多關(guān)注是在對單幀圖像以及圖像全局特征的研究,應(yīng)用到實際監(jiān)控視頻中時,不能有效的利用視頻序列中包含的信息和應(yīng)對由行人移動造成的模糊等背景噪聲干擾。針對這些問題,本論文重點研究了基于深度學(xué)習(xí)的行人姿態(tài)估計與重識別算法。針對行人姿態(tài)估計的研究,本論文提出了基于多任務(wù)的行人姿態(tài)估計算法,首先將輕量級的基于YOLOv3的行人目標(biāo)檢測網(wǎng)絡(luò)和基于特征金字塔的行人關(guān)鍵點檢測網(wǎng)絡(luò)合并到一個端到端訓(xùn)練和預(yù)測的網(wǎng)絡(luò)中,實現(xiàn)多任務(wù)同時檢測,提高了算法運行速度;然后利用檢測到的行人目標(biāo)邊界框與關(guān)鍵點,通過姿態(tài)殘差網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)人體姿態(tài),解決了由于多人邊界框重疊導(dǎo)致關(guān)鍵點分類到個體實例上時出現(xiàn)的模糊性問題,能夠?qū)﹃P(guān)鍵點進(jìn)行準(zhǔn)確的聚類分組,提高了行... 

【文章頁數(shù)】：92 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景和意義
    1.2 發(fā)展歷史和研究現(xiàn)狀
        1.2.1 行人姿態(tài)估計技術(shù)的發(fā)展及現(xiàn)狀
        1.2.2 行人重識別技術(shù)的發(fā)展及現(xiàn)狀
    1.3 主要研究內(nèi)容和章節(jié)安排
第二章 基于深度學(xué)習(xí)的行人姿態(tài)估計與重識別相關(guān)理論
    2.1 深度學(xué)習(xí)基礎(chǔ)理論
        2.1.1 深度學(xué)習(xí)的基本概念
        2.1.2 全卷積神經(jīng)網(wǎng)絡(luò)
        2.1.3 特征金字塔網(wǎng)絡(luò)
    2.2 目標(biāo)檢測網(wǎng)絡(luò)原理
        2.2.1 基本概念
        2.2.2 YOLO目標(biāo)檢測算法
    2.3 人體姿態(tài)估計網(wǎng)絡(luò)原理
    2.4 行人重識別系統(tǒng)流程
    2.5 行人姿態(tài)估計與重識別數(shù)據(jù)集
        2.5.1 COCO數(shù)據(jù)集
        2.5.2 PRID 2011 數(shù)據(jù)集
        2.5.3 iLIDS-VID數(shù)據(jù)集
    2.6 行人姿態(tài)估計與重識別評價方法
        2.6.1 OKS(Object Keypoint Similarity)
        2.6.2 AP(Average Precision)
    2.7 本章小結(jié)
第三章 基于多任務(wù)的行人姿態(tài)估計算法
    3.1 多任務(wù)姿態(tài)估計網(wǎng)絡(luò)結(jié)構(gòu)
        3.1.1 網(wǎng)絡(luò)整體結(jié)構(gòu)
        3.1.2 主干網(wǎng)絡(luò)
    3.2 基于特征金字塔的關(guān)鍵點檢測子網(wǎng)絡(luò)
    3.3 基于YOLOv3的行人目標(biāo)檢測子網(wǎng)絡(luò)
    3.4 姿態(tài)殘差網(wǎng)絡(luò)
    3.5 網(wǎng)絡(luò)訓(xùn)練與預(yù)測
        3.5.1 網(wǎng)絡(luò)訓(xùn)練策略
        3.5.2 關(guān)鍵點數(shù)據(jù)標(biāo)簽制作
        3.5.3 關(guān)鍵點檢測子網(wǎng)絡(luò)訓(xùn)練策略
        3.5.4 行人目標(biāo)檢測子網(wǎng)絡(luò)訓(xùn)練策略
        3.5.5 姿態(tài)殘差網(wǎng)絡(luò)訓(xùn)練策略
        3.5.6 多任務(wù)姿態(tài)估計網(wǎng)絡(luò)預(yù)測流程
    3.6 手勢姿態(tài)估計
    3.7 實驗結(jié)果與性能分析
        3.7.1 實驗設(shè)置
        3.7.2 多人姿態(tài)估計結(jié)果與性能分析
        3.7.3 姿態(tài)和手勢聯(lián)合應(yīng)用
    3.8 本章小結(jié)
第四章 基于多維度局部特征聚合的行人重識別算法
    4.1 基于多維度局部特征聚合的行人重識別網(wǎng)絡(luò)結(jié)構(gòu)
        4.1.1 網(wǎng)絡(luò)整體結(jié)構(gòu)
        4.1.2 基于多任務(wù)的區(qū)域建議網(wǎng)絡(luò)
        4.1.3 圖像局部特征生成網(wǎng)絡(luò)
        4.1.4 圖像局部質(zhì)量評估網(wǎng)絡(luò)
        4.1.5 特征聚合單元
    4.2 行人重識別網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)方法
        4.2.1 表征學(xué)習(xí)
        4.2.2 度量學(xué)習(xí)
    4.3 網(wǎng)絡(luò)訓(xùn)練
    4.4 實驗結(jié)果與性能分析
        4.4.1 實驗設(shè)置
        4.4.2 實驗結(jié)果與性能分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本論文工作總結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于不變矩特征和神經(jīng)網(wǎng)絡(luò)的步態(tài)識別[J]. 謝林海,劉相濱.  微計算機(jī)信息. 2007(19)



本文編號：3708821