检索结果-南通市图书馆

局部特征引导标签平滑与优化的井下弱特征人员重识别

在线全文

学校读者我要写书评

暂无评论

工矿自动化 2024年第2期50卷 83-89页

作者：张杰缪小然赵作鹏胡建峰闵冰冰高宇蒙冀中能源股份有限公司邢东矿河北邢台054000 中国矿业大学计算机科学与技术学院江苏徐州221006

煤矿井下低照度、强光扰、高粉尘等环境条件,以及井下人员服装的相似性和脸部落煤现象,导致井下弱特征人员重识别困难。现有人员重识别方法仅提取全局特征,未充分考虑局部特征,使得井下人员重识别准确率较低。针对上述问题,提出了一种... 详细信息

煤矿井下低照度、强光扰、高粉尘等环境条件,以及井下人员服装的相似性和脸部落煤现象,导致井下弱特征人员重识别困难。现有人员重识别方法仅提取全局特征,未充分考虑局部特征,使得井下人员重识别准确率较低。针对上述问题,提出了一种局部特征引导标签平滑与优化的井下弱特征人员重识别方法。该方法首先通过卷积神经网络提取井下人员图像的全局特征与局部特征;然后利用k最近邻相似性计算全局特征和局部特征的互补性得分,来衡量全局特征和局部特征的相似程度;最后根据特征互补性得分对局部特征进行标签平滑及对全局特征进行标签优化,即动态调整每个局部特征的权重,以改进每个局部特征的标签,并对局部特征的预测结果进行汇总,利用更可靠的信息来完善标签以作为全局特征的标签,从而减少图像噪声并增强特征识别能力。实验结果表明,该方法在公开数据集和包含井下人员图像的自建数据集上的平均精度均值(mAP)、第一匹配正确率(Rank-1)和平均逆置负样本惩罚率(mINP)总体优于主流人员重识别方法,具有良好的泛化性和鲁棒性,能有效实现井下弱特征人员重识别。

关键词：人员重识别弱特征人员局部特征标签平滑标签优化特征互补性

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于热释电红外传感器的人员重识别研究

基于热释电红外传感器的人员重识别研究

作者：焦宇浩合肥工业大学

学位级别：硕士

在室内的许多场景,如家庭、办公室都需要对人员进行识别,这对于智能家居、智能安防等领域来说十分重要。人员重识别是指在某设备下检测到某人员,当其再次出现时能够识别出来。传统的人员重识别技术使用基于摄像头的系统,其成本较高、需... 详细信息

在室内的许多场景,如家庭、办公室都需要对人员进行识别,这对于智能家居、智能安防等领域来说十分重要。人员重识别是指在某设备下检测到某人员,当其再次出现时能够识别出来。传统的人员重识别技术使用基于摄像头的系统,其成本较高、需要巨大的计算量和存储开销,还涉及到了隐私的问题,在多变的外部环境中会受到角度、服装、背景、光线等等因素的影响。热释电红外(pyroelectric infrared,PIR)传感器作为一种被动式人体红外探测器,只对8-14μm的红外辐射敏感,不涉及视频图像因而不会产生隐私问题,且在成本和功耗方面有明显优势,安装部署方便,能较好地适应复杂的外部环境,将其与无线传感器网络、深度学习技术等相结合,能够实现对室内环境下的人体定位、动作识别、人员重识别等。针对无线热释电红外传感器网络的节点结构和节点部署问题、人员重识别的准确率问题以及系统应对噪声干扰时的抗干扰稳定性问题,进行了一系列研究,主要工作包含以下几个方面:(1)设计了一种新型的基于热释电传感器和分布式无线传感器网络的人员重识别系统。通过对传感器节点的视场调制和部署设计,实现了对运动人体红外信号的完整准确获取。利用微控制器(microcontroller unit,MCU)完成数据的A/D采样,并利用Zig Bee自组无线网络将数据传输至PC进行信号的分析和处理。(2)设计了一种基于CNN-LSTM深度学习神经网络的用于处理人员红外信号序列数据的分类模型,提出了基于FFT算法频谱向量的人员不同部位的运动特征表示方法和Concat特征融合方法。在PC端对采集到的原始数据进行预处理,计算信号频谱得到特征向量组并对该向量组进行特征融合得到能够表征不同人员的完整特征,通过深度神经网络实现特征数据的分类识别。(3)分析了系统可能的噪声干扰来源并在原始数据上进行了加噪声的仿真,之后提出了一种基于信号去噪和深度学习的系统实现方法,首先对小波阈值去噪进行了实现的设计,然后利用所设计的该去噪方法对带噪声信号进行去噪,结合所设计的深度神经网络实现去噪数据下的人员重识别。经过实验验证,结果证明该人员重识别系统在室内场景下的人员重识别任务中具有良好的准确率,且具有较好的抗噪声干扰的能力,为室内人员重识别提供了一种低成本的方案,具有良好的应用价值。

关键词：深度学习热释电红外传感器人员重识别无线传感器网络小波阈值去噪

面向人员重识别的深度神经网络模型压缩方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向人员重识别的深度神经网络模型压缩方法研究

作者：李常迪沈阳大学

学位级别：硕士

人作为众多场所及事件的主体,是各场所中智能视频监控的重点跟踪、识别对象。因此,人员重识别技术(Person Re-Identification,ReID)成为智能监控系统中重要的一项技术。然而,将人员重识别技术广泛应用到实际场景中面临着众多挑战。复杂... 详细信息

人作为众多场所及事件的主体,是各场所中智能视频监控的重点跟踪、识别对象。因此,人员重识别技术(Person Re-Identification,ReID)成为智能监控系统中重要的一项技术。然而,将人员重识别技术广泛应用到实际场景中面临着众多挑战。复杂的神经网络往往需要占用巨大的内存空间,庞大的参数量会降低重识别速度,实现实时的人员重识别任务更是难上加难。另一方面,在实际应用中,监控中移动的人总是被周围物体遮挡,加大了人员重识别难度。因此,为使人员重识别技术能够更加广泛的应用到实际生活中,本文针对模型存储空间占用大、人员图像遮挡等问题进行了下面几个方面的研究:(1)针对模型内存大、参数多的问题,本文提出一个轻量级的人体关键点检测网络,通过对MobileNet V2网络的核心模块Bottleneck进行改进提出LightBlock模块,并构建关键点检测模型LRP-Net。在训练阶段利用关键点热力图技术得到人员坐标及偏移量,并通过回归算法得到人员关键点坐标,大大降低了网络计算量。(2)针对人员重识别过程的遮挡问题,本文提出基于人体高阶语义特征的人员重识别算法。结合LRP-Net得到人体的关键点信息,利用所提出的人员重识别方法LH-ReID实现对人体高阶语义特征信息的学习。在特征对齐阶段引入亲和矩阵和PReLU激活函数完成对高阶关键点信息的匹配。实验结果表明,本文提出的模型相较于其他模型其占用的内存空间更小且重识别准确率更高。(3)将所提出的轻量级人员重识别模型LH-ReID应用在物流领域,实现了对驿站员工的重识别任务。将LH-ReID与多个常见的人员重识别模型应用于对驿站员工重识别中,并选用Rank-1、mAP、GFLOPs、FPS及参数量作为性能评价指标。实验表明,轻量级的LH-ReID大大降低了模型的参数量和运算量,加快了网络的运算速度,能够更好的适应实时的人员重识别任务。

关键词：人员重识别模型压缩轻量级网络物流驿站

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

井下复杂环境人员重识别研究

工矿自动化 2021年第6期47卷 63-70页

作者：魏力云霄程小舟孙彦景中国矿业大学信息与控制工程学院江苏徐州221116 中钢集团马鞍山矿山研究院股份有限公司选矿及自动化研究所安徽马鞍山243000 徐州市智能安全与应急协同工程研究中心江苏徐州221116

对煤矿井下视频监控中的人员身份进行智能识别,对提高人员监管效率、减少安全事故发生具有重要意义。受井下环境复杂、视频监控设备性能局限性影响,井下视频监控图像存在分辨率低、遮挡、背景干扰等问题,导致井下人员间差异性较小,人员... 详细信息

对煤矿井下视频监控中的人员身份进行智能识别,对提高人员监管效率、减少安全事故发生具有重要意义。受井下环境复杂、视频监控设备性能局限性影响,井下视频监控图像存在分辨率低、遮挡、背景干扰等问题,导致井下人员间差异性较小,人员重识别准确率低。针对上述问题,提出了一种基于通道注意力和距离度量的网络结构,并将其用于井下复杂环境人员重识别。针对监控图像中人员与背景不易区分的问题,在骨干网络中引入通道注意力模块,使其更加关注人员的前景特征而抑制背景信息,并将骨干网络最后一层输出的特征图大小扩大1倍,以获得更多的细粒度特征,丰富人员的特征信息,增强网络对特征的学习能力;在实现不同身份人员分类的基础上,利用人员图像间的绝对距离信息,通过距离度量模块对难以识别的人员图像进行采样和加权处理,增加难样本在反向传播时的权重,使网络更加关注具有判别力的人员特征;联合使用身份损失和距离度量损失优化特征层,使网络提取出更具判别力的人员特征,从而提高重识别准确度。采用Miner-CUMT数据集对提出的井下复杂环境人员重识别方法进行验证,结果表明该方法可充分利用井下不同身份人员的关键信息,使识别网络具有更强的判别能力,提高了井下作业人员身份识别准确度。

关键词：煤矿智能监控井下视频监控人员智能识别人员重识别卷积神经网络特征提取特征度量通道注意力

基于MK-YOLOV4的矿区人员无标注视频检索方法

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2022年第4期59卷 293-301页

作者：赵云辉程小舟董锴文云霄孙彦景韩英杰中国矿业大学信息与控制工程学院江苏徐州221116 中钢集团马鞍山矿山研究院有限公司安徽马鞍山243000

对矿区人员入矿、出矿及重要生产活动行为进行精准定位与准确识别是实现矿区智能安全生产的重要基础。针对复杂的矿区生产环境,提出一种基于MK-YOLOV4的矿区人员无标注视频检索方法,实现对矿区重要关口监控无标注视频的多人员目标检测... 详细信息

对矿区人员入矿、出矿及重要生产活动行为进行精准定位与准确识别是实现矿区智能安全生产的重要基础。针对复杂的矿区生产环境,提出一种基于MK-YOLOV4的矿区人员无标注视频检索方法,实现对矿区重要关口监控无标注视频的多人员目标检测和各人员身份重识别。首先,提出MK-YOLOV4算法,实现无标注视频多人员检测,在YOLOV4上构建多尺度预测,结合K-means++算法聚类生成符合样本特点的anchor box,增强卷积神经网络对小目标的表征学习。其次,提出基于外观不变性的通道注意力特征提取网络,实现矿区人员身份的精确重识别,并针对矿区人员统一工作服的难点,提出基于权重约束的难样本采样损失函数,结合Color jitter和随机擦除两种数据增强策略,提高身份识别网络的精确性和鲁棒性。最后,针对现有训练数据集类别少、场景样本单一等特点,构建了更符合矿区场景特点的Miner-Market矿区人员重识别数据集,并在标准数据集和该数据集上对所提方法进行验证,充分证明了所提方法具有较高的检索性能和识别精度。

关键词：机器视觉 MK-YOLOV4 人员检测人员重识别 Miner-Market数据集

在线全文

学校读者我要写书评

暂无评论

跨摄像头的人员跟踪算法研究

跨摄像头的人员跟踪算法研究

作者：姚学丽西安科技大学

学位级别：硕士

现今社会中,随着社会经济的高速发展,监控装置在人们的日常生活中已经无处不在。在校园里,像教室、会议室这样的小型室内环境,人员行走容易发生遮挡,这给实现跨摄像头的人员跟踪带来很大的困难。本文研究了一种跨摄像头的人员跟踪算法,... 详细信息

现今社会中,随着社会经济的高速发展,监控装置在人们的日常生活中已经无处不在。在校园里,像教室、会议室这样的小型室内环境,人员行走容易发生遮挡,这给实现跨摄像头的人员跟踪带来很大的困难。本文研究了一种跨摄像头的人员跟踪算法,主要从人员目标检测、人员目标跟踪和人员重识别三个方面展开研究。重点针对因遮挡造成的摄像头人员跟踪精度低的问题,对人员目标检测算法和人员目标跟踪算法进行了改进。具体工作内容如下:在人员检测部分,针对人员因遮挡导致的检测精度低的问题,本文主要对YOLOv5的最小模型YOLOv5s模型进行改进。首先在YOLOv5s模型的主干网络Backbone中融合了注意力机制SE模块,增强了特征提取能力;其次,采用CIOU损失函数替换原本的GIOU损失函数,加快边界框回归速率的同时提高定位精度。实验结果证明损失函数由原来的GIOU改为CIOU,准确率和召回率分别提升了 0.13%和0.46%,mAP值也提升了 0.14%;YOLOv5s添加了注意力机制并改进损失函数后,准确率上升了 6.6%。在人员目标跟踪部分,本文将使用DeepSORT多目标跟踪算法对摄像头下的人员目标实施跟踪。针对人员因遮挡使得DeepSORT的ReID模块对人员特征提取能力不足的问题,本文采用将DeepSORT的表征提取模型替换成了 FastRelD训练的ReID模型。实验结果证明当人员之间发生遮挡时,改进后的YOLOv5s结合改进后的DeepSORT有效的减少了目标跟踪过程中人员因遮挡造成的身份变化(IDs)的次数。人员重识别部分,本文使用了 FastReID算法对目标人员在跨越摄像头范围后进行重识别,通过与其他人员重识别方法比较,FastReID具有较高的识别准确率,能够满足人员跨摄像头的准确重识别。经过实验验证,本文研究的跨摄像头人员跟踪算法能够实现对特定人员的跨摄像头跟踪,在计算能力强的硬件环境下能够达到实时跨摄像头跟踪的需求。

关键词：跨摄像头跟踪人员检测人员跟踪人员重识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合身份识别的多人实时姿态估计方法研究

融合身份识别的多人实时姿态估计方法研究

作者：徐晓睿天津大学

学位级别：硕士

人体姿态估计是近年来一个快速发展的学科领域,它被用来在图片或视频中检测人体的关节点并正确的联系起来,从而估计人体姿态,它具有非常广泛的应用前景。本文对现有人体姿态估计方法进行研究并改进,提出了一种更精准的多人多视角匹配方... 详细信息

人体姿态估计是近年来一个快速发展的学科领域,它被用来在图片或视频中检测人体的关节点并正确的联系起来,从而估计人体姿态,它具有非常广泛的应用前景。本文对现有人体姿态估计方法进行研究并改进,提出了一种更精准的多人多视角匹配方法,从而估计人员的三维姿态。本文围绕人员识别和人体姿态估计算法进行研究,提出将人员识别加入到人体姿态估计系统中。首先,针对目前人体姿态估计方法,本文提出使用深度相机和彩色相机同时进行姿态估计,使两种设备下得到的结果相互约束相互优化。充分利用彩色相机在非极端情况下准确率更高和深度相机处理严重遮挡效果更好的优势。其次,本文提出使用深度学习的方法来解决之前方法中跨视角匹配准确率不理想的问题。本文在处理跨视图匹配问题时,核心点是通过基于深度学习的算法将全部视角下检测到的人员进行聚类。每一个群组编码了同一个人在不同视角下的二维姿态和关节间的对应关系,通过该对应关系可以准确高效地推测出三维姿态。与之前大部分方法都采用欧几里得距离对不同视角下的同一个人进行匹配不同的是,本文是通过特征提取网络所提取的特征来完成的。对于人员ID混乱的问题,本文使用基于深度学习的人员识别方法来解决。通过对基础网络的重新设计,使用人员ID数据集进行预训练使模型具有提取人员ID特征的能力,并对跨视角匹配中的基础网络进行复用,极大地减少算法不必要的计算时间以及模型所占的内存空间。最后本文搭建了一套人体姿态估计系统,包含硬件模块、软件模块和算法模块。本文比较了多种深度学习网络在该方法中的效果,并与当前主流的方法在公共数据集和自建数据集上进行了强遮挡等多种情景下的比较。本文提出的方法在自建数据集上达到了92.8%的准确率,高于目前主流的Mvpose和4D Association的81.5%和90.7%。本文提出的方法解决了之前方法只能临时识别人员,对人员不具有记忆性,不能特异性识别人员的问题。

关键词：人体姿态估计深度学习人员重识别跨视角多人匹配