检索结果-南通市图书馆

检索条件"主题词=人体特征融合"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于姿势引导与人体特征融合的遮挡行人重识别算法研究

基于姿势引导与人体特征融合的遮挡行人重识别算法研究

引用

作者：张哲延安大学

学位级别：硕士

行人重识别是一项跨摄像头场景下检索特定行人的计算机视觉任务。目前,随着视频监控系统的广泛部署,行人重识别技术在安防防护、工业生产等领域已经被广泛应用。在现实场景(例如火车站、医院和商场等)中,目标行人的身体部位经常受到各... 详细信息

行人重识别是一项跨摄像头场景下检索特定行人的计算机视觉任务。目前,随着视频监控系统的广泛部署,行人重识别技术在安防防护、工业生产等领域已经被广泛应用。在现实场景(例如火车站、医院和商场等)中,目标行人的身体部位经常受到各种障碍物的遮挡,这给行人重识别模型对行人的特征提取带来干扰,导致模型性能下降。因此,针对遮挡场景下的行人重识别任务,本文设计了一系列有效的方法来解决这一挑战,主要内容如下:(1)本文提出了一种基于姿势引导与人体特征融合的遮挡行人重识别方法。由于训练数据中有限数量的遮挡样本会使得行人重识别模型对遮挡非常敏感,因此本文设计了一个遮挡数据增强模块,该模块通过插入在数据集上裁剪的障碍物合成遮挡的行人图像来增加遮挡样本的数量,从而提高模型对遮挡的鲁棒性;在特征提取模块,由于Vision Transformer(Vi T)将图像直接划分成多个不重叠的图像块,导致失去了图像中的空间特征以及更多地细节信息。本文首先使用卷积神经网络提取紧凑的图像表示,其次采用Vi T架构来提取全局特征和局部特征。为了缓解遮挡带来的问题,本文使用姿势估计器将目标行人身体部位信息提取出来,并将姿势信息与Vi T模型获取的局部特征进行匹配融合,从而丰富人体特征的信息,使模型更加关注目标行人身体部位的特征。(2)本文提出了一种基于多任务损失的遮挡行人重识别方法。大多数现有的遮挡行人重识别方法,通常同时采用身份损失函数和三元组损失函数来监督特征学习。在遮挡行人重识别任务中,由于遮挡物以及背景的干扰,导致两个全局特征将具有本质上的不同表示,说明三元组损失函数将这两个全局特征紧密地拉在一起可能会对模型性能造成破坏,本文通过使用身份损失函数指导模型对全局特征进行优化训练。对于局部特征而言,两个不同身份行人的身体部位上可能会呈现出高度相似的外观,直接将身份损失应用于局部特征可能导致模型性能下降,本文通过使用局部平均三元组损失函数指导模型对人体姿势引导的局部特征进行优化。基于多任务损失的方法指导模型对姿态信息与局部特征匹配融合后的特征以及全局特征,从而提高模型对遮挡和不具有区分性局部外观的鲁棒性。此外,为避免训练集与测试集数据之间分布的差异性导致预训练模型产生次优检索结果的问题,提出了一种基于图卷积网络的重排序方法,该方法利用图卷积算子在图上将行人的最近邻特征传播,从而优化每个图像的表示,以获得更优的检索结果。

关键词：行人重识别人体特征融合 Vision Transformer 多任务损失图卷积

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：