行人再識別是近年來計算機(jī)視覺任務(wù)里一個研究的熱點話題。行人再識別任務(wù)的內(nèi)容是在一個場景不重疊的監(jiān)控網(wǎng)絡(luò)里,對不同時間不同地點出現(xiàn)的行人進(jìn)行匹配、識別,以實現(xiàn)對特定目標(biāo)的查找、追蹤。行人再識別技術(shù)對于刑偵、疑犯追蹤、公共場所走失行人的查找等領(lǐng)域的應(yīng)用有著重要的實際價值。然而,行人圖像在跨越監(jiān)控場景的過程中,受到光照、角度、步態(tài)以及背景變化,導(dǎo)致行人的圖像表觀特征十分不穩(wěn)定,存在對不準(zhǔn)問題,使得行人識別變得十分困難,因此吸引了大量的國內(nèi)外學(xué)者對該任務(wù)展開研究。本文中定位影響行人再識別問題識別精度的主要原因是由于小樣本問題以及圖像特征的對不準(zhǔn)問題,采用多域聯(lián)合的深度網(wǎng)絡(luò)模型提取特征表達(dá)模型,并基于深度學(xué)習(xí)算法,添加新的度量層,對行人圖像進(jìn)行更加準(zhǔn)確的度量。本文的主要工作如下:首先,對行人再識別任務(wù)中的特征提取和距離度量兩個關(guān)鍵內(nèi)容和現(xiàn)有算法進(jìn)行了闡述和總結(jié),并通過編程仿真,對不同方法的效果進(jìn)行了對比分析研究。行人再識別任務(wù)的難點在于對不準(zhǔn)問題,訓(xùn)練數(shù)據(jù)與測試數(shù)據(jù)在度量空間中存在較大差異。然后,本文引入了多域聯(lián)合的深度網(wǎng)絡(luò)模型,聯(lián)合多個數(shù)據(jù)集對行人的表觀圖像特征進(jìn)行提取,并通過域指導(dǎo)的Drop... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：49 頁

【學(xué)位級別】：碩士

【部分圖文】：

因此，LBP模型的思想為:在目標(biāo)像素鄰

西安科技大學(xué)碩士學(xué)位論文8模型之一。該特征提取方法計算簡單，并且對幾何變換具有良好的魯棒性。顏色直方圖是將圖像轉(zhuǎn)化到HSV或其他色彩空間，然后對顏色的數(shù)值分布進(jìn)行區(qū)間劃分，然后計算對應(yīng)每種顏色的頻數(shù)，從而得到顏色分布的統(tǒng)計直方圖。從顏色直方圖方法的定義和計算方法可以看出，該特征模型得到的結(jié)果對于像素在統(tǒng)計范圍內(nèi)的空間分布變化具有不變性，因此該模型對于行人再識別特征表達(dá)具有較好的魯棒性。顏色直方圖特征模型的數(shù)學(xué)表達(dá)方式如下：(),0,1,2,,1knHkkLnL(2.4)上式中k表示顏色劃分的等級，L為對應(yīng)的等級劃分總數(shù)量，nk表示第k個劃分區(qū)間的統(tǒng)計頻數(shù)，n表示總的像素數(shù)量。2.2.2紋理特征紋理特征是圖像內(nèi)容表觀特征另一種有效描述，重點在于圖像中的邊緣細(xì)節(jié)信息。紋理特征的典型模型有LBP、SILTP。(1)局部二值模式LBP模型。LBP是最為經(jīng)典，最為有顯著的紋理特征表達(dá)模型，許多紋理特征都是基于紋理特征提出的。LBP是將每個像素在其鄰域內(nèi)，通過像素數(shù)值大小對比關(guān)系轉(zhuǎn)化為一種二值編碼表達(dá)。該模型的原理介紹如下：定義C為目標(biāo)像素，P和R為目標(biāo)像素鄰域內(nèi)的像素個數(shù)和鄰域定義的半徑，接下來選擇一個起點和方向，依次建立起目標(biāo)像素與鄰域像素集合的聯(lián)合概率密度函數(shù)01,,,cPTtggg對目標(biāo)點位置的紋理特點進(jìn)行表述，kg表示對應(yīng)點的像素值。圖2.1給出了3種常見的LBP算子，即中心點及其鄰域關(guān)系圖。圖2.1LBP算子因此，LBP模型的思想為:在目標(biāo)像素鄰域結(jié)構(gòu)中定義起點位置，選擇一個方向(順/逆時針)，依次與中心點比較像素大小，用0-1表示大小關(guān)系，從而形成一個二進(jìn)制編碼串，數(shù)學(xué)表達(dá)式如下：10,2PppPcpRBPggsL(2.5)

LOMO特征[8]

【參考文獻(xiàn)】：
期刊論文
[1]行人重識別研究綜述[J]. 宋婉茹,趙晴晴,陳昌紅,干宗良,劉峰.  智能系統(tǒng)學(xué)報. 2017(06)
[2]基于字典學(xué)習(xí)和Fisher判別稀疏表示的行人重識別方法[J]. 張見威,林文釗,邱隆慶.  華南理工大學(xué)學(xué)報(自然科學(xué)版). 2017(07)
[3]基于姿態(tài)對齊的行人重識別方法（英文）[J]. 王金,劉潔,高常鑫,桑農(nóng).  控制理論與應(yīng)用. 2017(06)
[4]基于增強(qiáng)聚合通道特征的實時行人重識別[J]. 黃新宇,許嬌龍,郭綱,鄭二功.  激光與光電子學(xué)進(jìn)展. 2017(09)
[5]基于融合特征的行人再識別方法[J]. 袁立,田子茹.  模式識別與人工智能. 2017(03)
[6]融合底層和中層字典特征的行人重識別[J]. 王麗.  中國光學(xué). 2016(05)
[7]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(yùn)俠,劉皓,蔣建國.  自動化學(xué)報. 2016(02)
[8]基于統(tǒng)計推斷的行人再識別算法[J]. 杜宇寧,艾海舟.  電子與信息學(xué)報. 2014(07)
[9]基于空間顏色特征的行人重識別方法[J]. 張華.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2013(S2)

博士論文
[1]面向監(jiān)控視頻的行人重識別技術(shù)研究[D]. 王亦民.武漢大學(xué) 2014

碩士論文
[1]基于動態(tài)度量和多維度表達(dá)的行人重識別研究[D]. 姚磊.武漢大學(xué) 2017
[2]多視頻監(jiān)控系統(tǒng)中行人再識別技術(shù)研究[D]. 齊霽.華中科技大學(xué) 2016



本文編號：3370491