隨著智慧城市的建設(shè),世界各地的城市都安裝了大量高清監(jiān)控?cái)z像頭,產(chǎn)生了大量的監(jiān)控視頻,以及公共安全的需求日益增加,促使了行人重識(shí)別技術(shù)的發(fā)展。本論文主要研究基于重排序的算法和基于視頻序列的算法。針對(duì)基于重排序的行人重識(shí)別研究,首先,本文基于k-倒排編碼算法模型,為解決遮擋問(wèn)題,提高行人重識(shí)別模型的泛化能力,本研究使用隨機(jī)消除做數(shù)據(jù)增強(qiáng),并且對(duì)特征提取骨干網(wǎng)絡(luò)的Res Net-50做了改進(jìn),提升了特征提取的豐富度。在網(wǎng)絡(luò)架構(gòu)中的池化層,同時(shí)使用平均池化和最大池化,從而同時(shí)保留全局和局部信息。其次,為了使行人重識(shí)別研究更接近實(shí)際應(yīng)用場(chǎng)景,本文還研究了基于視頻序列的行人重識(shí)別。為了提高性能、緩解梯度爆炸問(wèn)題,本研究使用了一種預(yù)熱策略來(lái)訓(xùn)練網(wǎng)絡(luò)。為彌補(bǔ)三元組損失的缺陷,使類(lèi)內(nèi)更加緊湊,本研究引入了中心缺失,同時(shí)為每個(gè)類(lèi)的深層特征學(xué)習(xí)出一個(gè)中心,懲罰深層特征與對(duì)應(yīng)的類(lèi)中心之間的距離。最后,在實(shí)驗(yàn)部分,本文對(duì)基于重排序的行人重識(shí)別在兩個(gè)數(shù)據(jù)集Market-1501、Duke-MTMC上做了對(duì)比實(shí)驗(yàn),并分別在Res Net50和Dense Net兩個(gè)網(wǎng)絡(luò)架構(gòu)上對(duì)比網(wǎng)絡(luò)改進(jìn)帶來(lái)的性能提升。在Mars數(shù)據(jù)...

【文章頁(yè)數(shù)】：45 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究的背景和意義
        1.1.1 課題的來(lái)源
        1.1.2 課題背景及研究的目的和意義
    1.2 行人重識(shí)別的國(guó)內(nèi)外研究現(xiàn)狀和分析
        1.2.1 相關(guān)研究工作
        1.2.2 存在的問(wèn)題
    1.3 課題的主要研究?jī)?nèi)容
    1.4 內(nèi)容安排
第2章 基于重排序的行人重識(shí)別研究
    2.1 網(wǎng)絡(luò)骨干模型分析
        2.1.1 Res Net
        2.1.2 Dense Net
    2.2 k-倒排編碼的行人重識(shí)別方法研究
        2.2.1 k-倒排編碼
        2.2.2 杰卡德距離
    2.3 隨機(jī)擦除
    2.4 k-倒排編碼網(wǎng)絡(luò)架構(gòu)改進(jìn)
    2.5 本章小結(jié)
第3章 基于視頻序列的行人重識(shí)別研究
    3.1 時(shí)空高效的非局部視頻注意網(wǎng)絡(luò)
        3.1.1 限制隨機(jī)抽樣
        3.1.2 非局部注意層
    3.2 Warmup學(xué)習(xí)速率
    3.3 損失函數(shù)結(jié)構(gòu)設(shè)計(jì)
    3.4 本章小結(jié)
第4章 實(shí)驗(yàn)結(jié)果與分析
    4.1 行人重識(shí)別常用數(shù)據(jù)集
    4.2 行人重識(shí)別常用性能評(píng)價(jià)指標(biāo)
    4.3 基于重排序的行人重識(shí)別實(shí)驗(yàn)
    4.4 基于視頻序列的行人重識(shí)別實(shí)驗(yàn)
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝



本文編號(hào)：3933319