检索结果-南通市图书馆

作者：马明发宁夏大学

学位级别：硕士

监控在人们的生活,尤其安全方面发挥着重要的作用,如刑事犯罪侦破、老人走丢、儿童拐卖等场景。对于拍摄的视屏数据,在后期可以通过人工比对或借助人脸识别等方法进行辨识,但遇到人脸遮挡,或者拍摄的人脸图像不清晰等问题时,人脸检测系... 详细信息

监控在人们的生活,尤其安全方面发挥着重要的作用,如刑事犯罪侦破、老人走丢、儿童拐卖等场景。对于拍摄的视屏数据,在后期可以通过人工比对或借助人脸识别等方法进行辨识,但遇到人脸遮挡,或者拍摄的人脸图像不清晰等问题时,人脸检测系统也无法发挥其作用,人工一一比对又太耗费人力物力。行人再识别可以利用人体形体特征完成图像的检索任务,为解决上述问题提供了可能,因此行人再识别的研究具有重要意义。行人再识别发展到现在,已经取得了一些进展,在各个公开数据集上取得了不错的识别效果,尤其在基于有监督学习领域取得了非常高的识别精度。监督学习需要的数据集需要提前处理（对图像进行标注）,但是前期依靠人工标注数据集非常耗费人力,所以近些年有关行人再识别的研究逐渐向无监督学习方向倾斜。对此,本文对监督学习和无监督学习的行人再识别分别进行了进一步研究,主要内容如下:在有监督学习部分,本文基于TransReID提出了改进模型TransReID-KNN。由于目前有关行人再识别的研究大多以卷积神经网络为主干网络,但卷积神经网络存在一些先天性的不足,所以本文在有监督学习部分研究的是基于Vision Transformer网络开发的TransReID行人再识别模型。本文基于TransReID提出了改进模型TransReID-KNN,然后在两种不同的视觉Transformer主干网络上做了对比实验,通过实验验证了 TransReID-KNN模型的效果,能有效提升行人再识别的准确率。在无监督学习部分,本文从两个方面对基于patch的无监督学习行人再识别做了改进,一是调整基于patch的无监督学习行人再识别网络初始学习率,通过增大初始学习率可以有效提升识别精度同时收敛速度大幅缩短;二是对于行人再识别数据集样本低以及受GAN网络增强数据集方法在基于图像级的行人再识别上有效性的启发,提出了 PAUL+CamStyle（PAULC）方法,并分别在行人再识别原数据集、GAN生成数据集、GAN生成数据集融合原数据集以及随机删除部分GAN生成数据集上做了对比实验。通过实验发现,对GAN生成的数据集进行合理的删除后用作本文训练集,在基于patch的无监督行人再识别上,无论识别精度还是收敛速度都有明显提升。本文在行人再识别的两大研究方向上均提出了改进方法,并获得了较好的性能,具有一定的优势。

关键词：行人再识别监督学习无监督学习 TransReID Patch

面向行人再识别的多尺度特征提取网络构建方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向行人再识别的多尺度特征提取网络构建方法研究

作者：王澎西安理工大学

学位级别：硕士

行人再识别(Person Re-Identification,ReID)旨在实现目标行人跨摄像机的准确追踪,对公共安全、智慧城市等领域有重要的意义。得益于深度神经网络能够学习到高判别性的深层特征,基于深度学习的行人再识别方法相较于传统手工设计特征的... 详细信息

行人再识别(Person Re-Identification,ReID)旨在实现目标行人跨摄像机的准确追踪,对公共安全、智慧城市等领域有重要的意义。得益于深度神经网络能够学习到高判别性的深层特征,基于深度学习的行人再识别方法相较于传统手工设计特征的方法在性能上取得了大幅提升。对于只使用全局特征作为行人特征描述子的深度ReID模型,当存在局部遮挡、拍摄视角或行人姿态变化时,会导致模型的识别效果不好。为了进一步提升深度ReID模型的识别精度,本文进行了如下研究工作:(1)针对目前深度ReID模型提取的全局特征在光照差异、物体遮挡情况下表征能力不足的问题,本文构建了基于软分割与金字塔组合模型的多尺度特征提取网络,其能够较好地从行人图像中提取出多种局部细节信息,从而获得良好的行人再识别效果。在该方法中,行人图像首先经过ResNet50网络得到全局特征图,然后采用6层水平软分割策略获取具有上下文联系的定尺度特征块,之后通过6层金字塔模型来构建多尺度局部特征信息,最终用融合全局特征与多尺度局部特征后的特征向量来作为目标行人的特征描述子,以弥补全局特征表达能力弱的缺陷。所提方法在Market-1501数据集上的首位命中率(Rank-1)为93.21%,平均准确率(mAP)为79.72%,相较于传统方法有较大的提升。(2)针对行人图像因物体遮挡造成特征描述子判别能力下降的问题,本文在研究内容(1)的基础上,采用图像随机擦除的数据增强策略来模拟遮挡现象,并提出基于卷积注意力模块的ReID模型改进策略来提升网络对重要特征的关注程度。对于图像随机擦除策略,首先针对符合擦除概率的行人图像生成随机大小的矩阵掩膜,并用输入图像的灰度均值为此掩膜赋值,然后随机初始化该掩膜在行人图像中的位置并进行擦除操作,该方法能够较好的模拟遮挡问题所产生的噪声干扰。此外,在基础网络ResNet50的第一个残差块前和最后一个残差块后分别串联卷积注意力模块,来提高深度ReID模型在空间域和通道域上的资源分配能力,进而提升模型的识别性能。通过仿真实验发现,当擦除概率为0.4时,所提方法识别效果最佳。此时,在Market-1501数据集上的首位命中率为94.15%,平均准确率为82.58%,较之于改进前的多尺度特征提取ReID模型,分别提高了 0.94%和2.86%。

关键词：行人再识别软分割金字塔模型图像随机擦除卷积注意力模块

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于跨模态数据的行人再识别研究

基于跨模态数据的行人再识别研究

作者：李云裳江南大学

学位级别：硕士

行人再识别(Person Re-Identification)是指在一个摄像头或者多个摄像头的情况下,对拍摄的行人进行匹配。但是由于光线、监控背景等的变化,仅可见光摄像头无法捕捉到行人清晰可靠的图像,因而大量夜间活动的行人无法被有效准确的识别身份... 详细信息

行人再识别(Person Re-Identification)是指在一个摄像头或者多个摄像头的情况下,对拍摄的行人进行匹配。但是由于光线、监控背景等的变化,仅可见光摄像头无法捕捉到行人清晰可靠的图像,因而大量夜间活动的行人无法被有效准确的识别身份,夜间红外摄像头的重要性也逐渐体现出来,跨模态行人再识别也应运而生,即跨越非单一模态摄像头的情况下,识别同一身份的行人,该方向现如今成为业内重点研究关注的领域。然而由于跨模态相机所拍摄的图片差距极大,风格完全不同,即使人工操作也难以进行较为准确的分类和判断,如何解决跨模态行人再识别的巨大差异是目前研究的难点和重点问题。论文主要研究跨模态行人再识别方法,主要针对红外以及可见光场景下,对风格完全不同的行人图像进行分类和匹配。通过注意力机制、协作学习、中间域模态等深度学习的方法,来解决跨模态行人图像巨大的色彩差异、风格不同且网络约束力不足等问题,从而提升现有的跨模态行人再识别模型精度。本论文主要完成的工作有以下几个方面:(1)提出一个基于双注意力协作学习的红外可见光跨模态行人再识别方法(Infrared-Visible Cross-Modal Person Re-Identification via Dual-Attention Collaborative Learning,DAC),从而解决红外与可见光特征在决策层面上的差异,减少模态内以及模态间差异。该方法将通道和空间特征结合起来,通过跨模态的分布对齐约束为多个分类器获取补充的局部信息和全局信息。具体采用通道注意力机制和局部的空间池化方法进行特征提取,在网络的决策层提出了一种多分类器跨模态分布对齐策略,该策略更好地利用了模态共享分类器和模态特有分类器之间的互补信息。实验结果表明,所提出的方法是可行的方法明显优于基线方法,在SYSU-MM01数据集上Rank-1和mAP精度分别达到57.33%/54.49%。在RegDB上Rank-1和mAP分别达到85.33%/82.10%。(2)提出一个基于实例归一化风格融合模块的跨模态行人再识别方法(Cross-modal Person Re-identification based on Instance Normalization Style Fusion,INSF),该方法利用实例归一化提取浅层网络的风格信息,结合激励挤压方式的通道注意力机制提取关注的重点,并且融合两个模态的域不变风格信息从而组成了第三个分支的输入。然后送入参数共享的三分支网络进行共有特征提取。在特征空间约束方面,提出了一种新型三模态三元组损失函数,其通过限制正负样本与锚点的模态来加强类间约束。通过各种实验数据表明,所提出方法能够有效通过增强特征风格信息以及加强模态约束来提高网络的精度,在SYSU-MM01数据集上Rank-1和mAP可以分别达到58.89%/56.27%,在RegDB上Rank-1和mAP分别为87.87%/85.04%。(3)提出一个基于中间域及联合约束的跨模态行人再识别网络(Cross-modal Person Re-identification based on Intermediate Module and Joint Constraint,IMJC),中间域模块能够避免引入噪声的同时保证高效地提取有效信息,在浅层网络中提取模态特有信息并且生成中间模态,减少了模态转换的差异性。此外还提出一种自适应联合约束,利用多样性损失以及桥接损失对中间域模态的生成进行约束,利用中心三元组损失以及最大均值差异损失在决策层减少模态间的差异。所提方法在SYSU-MM01数据集上Rank-1和mAP达到了62.83%以及58.79%,在RegDB数据集上Rank-1和mAP分别达到了91.30%以及86.74%。

关键词：深度学习行人再识别红外可见光跨模态检索

基于姿态归一化与知识驱动的换衣行人再识别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于姿态归一化与知识驱动的换衣行人再识别研究

作者：梁赛江苏大学

学位级别：硕士

行人再识别旨在从非重叠视图的分布式多摄像头系统中识别出不同时空的目标行人。在实际场景中,需要检索的目标行人通常会受到光照、姿态变化以及视角变化等因素的影响。此外,行人通常会由于外部因素而改变他们的服装特征,因此如何在长... 详细信息

行人再识别旨在从非重叠视图的分布式多摄像头系统中识别出不同时空的目标行人。在实际场景中,需要检索的目标行人通常会受到光照、姿态变化以及视角变化等因素的影响。此外,行人通常会由于外部因素而改变他们的服装特征,因此如何在长期拍摄的场景下保证服装一致性也成为了行人再识别的一项重要挑战。针对上述问题,本文对现有的行人再识别方法深入分析研究,提出基于样式擦除与双通道融合的姿态归一化方法和基于知识驱动与拓扑推理的换衣再识别方法。基于上述研究内容,设计并实现面向换衣场景的行人再识别系统。本文的研究工作具体如下:(1)提出一种基于样式擦除与双通道融合的姿态归一化方法,以提升行人再识别在姿态变化环境中的鲁棒性和准确率。首先利用实例归一化对图像中的样式进行擦除,而后提出内容注意力机制恢复行人的鉴别性特征。其次,设计双通道融合的姿态归一化模块,利用姿态编码器提取行人姿态信息来辅助再识别,从而减少行人匹配过程因特征不对齐产生的识别误差。实验表明该方法可以有效提高行人在姿态变化下的识别效果。(2)提出一种基于知识驱动与拓扑推理的换衣再识别方法,以提升行人在换衣场景下的识别准确率。首先通过构建知识图谱捕获外部因素和摄像头拓扑的语义关系,并将获取的知识嵌入到时空图卷积中,以提高拓扑推理的准确性。其次,利用摄像头逻辑拓扑信息提取具有强关联的群体服装信息,并利用辅助信息预测目标行人在特定时期的服装特征,以减少服装变化带来的消极影响。经过对比实验和消融实验得出的结果表明本方案可以有效提高行人在服装变换情况下的识别效果。(3)基于上述研究内容,设计并实现面向换衣场景的行人再识别系统。该系统主要包括信息上传模块、样式归一化模块、摄像头逻辑拓扑推理模块、换衣行人再识别模块以及信息存储模块。实验表明本系统能够有效在长期拍摄的监控环境中实现快速检索目标行人,具有一定的社会应用价值。

关键词：行人再识别知识图谱拓扑推理样式擦除特征提取

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于生成对抗网络方法的行人再识别研究

基于生成对抗网络方法的行人再识别研究

作者：张玉霞宁夏大学

学位级别：硕士

近年来,随着“智慧城市”和“平安城市”建设的不断推进,人们在社会治安方面投入了大量的人力、物力,智能视频监控系统已经成为智慧城市必不可少的一部分。为了保障城市的公共安全,基于视频的安防监控等级要求越来越高,对系统的稳定性... 详细信息

近年来,随着“智慧城市”和“平安城市”建设的不断推进,人们在社会治安方面投入了大量的人力、物力,智能视频监控系统已经成为智慧城市必不可少的一部分。为了保障城市的公共安全,基于视频的安防监控等级要求越来越高,对系统的稳定性、鲁棒性以及智能化都提出了新的要求。如何寻求一种高效准确的新技术实现行人追踪与行人检索尤为重要,因此行人再识别应用而生。它旨在解决跨摄像头视角中的行人匹配问题,即给定一幅监控行人图像,能够检索跨设备下的行人图像,实现跨摄像头之间的行人匹配。但是拍摄的行人会受到光照、姿态变化、行人遮挡等问题,因此行人再识别仍然是一项具有挑战的研究方向。本文基于生成对抗网络的方法,重点研究以下两方面内容:1.针对行人姿态多变性的情况下面临的挑战:一是缺乏跨视图配对训练数据,二是学习区分身份敏感和视图不变的特征,提出一种基于姿态注意力的生成对抗网络（Pose-Attention-GAN,PAGAN）与Resnet50网络结合的行人任意姿态的图像生成和分类框架。首先,在生成对抗网络中添加一个生成器,该生成器中设计一种姿态注意力转移模块,每个模块转移它所关注的特定区域,生成任意姿态且高质量的重构图,鉴别器区分输入图像是否为真实图像;其次,将训练好的生成网络生成任意姿态的训练图像增加训练样本,训练分类网络;最后,对抗损失、姿态损失等多种损失联合优化,学习到与身份相关且姿态无关的特征,有效提升模型的泛化能力。2.针对不同摄像机之间存在显著的类内差异,部分行人外观（如换衣）发生变化均导致识别下降的问题,提出一种将生成对抗网络（GAN）数据生成和行人再识别学习端对端结合起来的联合学习框架。首先,在DGNet网络的基础上,将生成器与鉴别器中的残差块ResBlock替换为DenseBlock,加强特征传播并且避免梯度消失的问题;其次,生成模块通过切换外观和结构编码,生成高质量的合成图像;最后,在鉴别模块中加入新型注意力机制（NAM）,抑制不太显著的权重,更关注所需的目标区域。生成模块生成的图像在线反馈给鉴别模块进行鉴别图像真假,同时将结果反馈给行人再识别模块进行分类识别。本文提出的行人再识别算法较好地解决了行人姿态多变的情况下缺乏跨视图配对训练数据的问题和不同摄像机之间的类内差异、部分行人外观（如换衣）发生变化均导致识别下降的问题。通过实验证明,本文算法对行人再识别的精度和鲁棒性都有显著的提高,实现了较为先进的性能。

关键词：生成对抗网络行人再识别 PAGAN 外观编码结构编码 NAM

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的行人再识别方法研究

基于深度学习的行人再识别方法研究

作者：杨伟平北京建筑大学

学位级别：硕士

近年来,城市智能化的发展越来越成熟,各大城市都部署了大量的高清监控摄像头,由此获取了大量的视频信息。其中行人数据的智能化分析和利用已经成为了一个重要的研究课题,而行人再识别是指使用计算机视觉技术来确定多个不重叠区域监视摄... 详细信息

近年来,城市智能化的发展越来越成熟,各大城市都部署了大量的高清监控摄像头,由此获取了大量的视频信息。其中行人数据的智能化分析和利用已经成为了一个重要的研究课题,而行人再识别是指使用计算机视觉技术来确定多个不重叠区域监视摄像机系统中特定行人的身份。本文针对基于深度学习的行人再识别技术进行探讨和研究,主要内容如下:(1)多尺度融合的轻量级行人再识别算法目前基于监督学习的行人再识别网络虽然准确率较高,但是在实际应用中存在硬件资源需求较大和运行效率较低的问题。因此,本文设计了轻量级行人再识别网络模型,使用4个卷积块逐级提取图像从底层细节信息到高层语义信息不同尺度的特征,经过池化操作后将不同尺度的特征信息进行融合处理。融合特征再输入全局注意力模块,通过设置不同的权重参数过滤掉辨识能力差的特征信息,以优化融合后的特征。结果表明,和主流网络架构相比,参数数量减少达到一半以上,并且识别准确率高于传统基准方法。(2)基于局部补偿软多标签的无监督行人再识别算法基于监督学习的行人再识别算法需要大量的人工数据标注,在实际应用中的可扩展性较差。针对缺乏数据标注而导致的算法识别能力下降等问题,本文提出了一种学习局部补偿软多标签的无监督方法,主要由全局聚类、局部聚类和多标签分配组成。在聚类过程中,将局部聚类的结果补偿到全局聚类中,使模型能够充分学习到行人更多的局部特征信息。同时,使用模糊聚类生成软多标签,解决了大量正样本被丢弃的问题,并设置了跨域激励参数以解决域间视图中的背景干扰等问题。结果表明,该方法优于目前常见的无监督学习网络模型。(3)基于人体姿态增强软标签学习的半监督行人再识别算法基于无监督学习的行人再识别算法虽然可以解决数据标注缺乏的问题,但是因其完全舍弃标签信息,导致识别准确率不够理想。所以,本文使用少量标签信息来优化无监督学习,设计了一种基于半监督学习的行人再识别网络,并利用人体姿态增强进行软标签学习。首先使用有标签数据训练一个准确的行人姿态引导的遮挡预测器,可以在无标签训练时有效地屏蔽遮挡产生的影响;然后,在结合预测器生成准确的特征向量后,计算特征亲和度矩阵,并生成软标签信息来优化网络。在三个公共数据集Market-1501、Duke MTMC-re ID和MSMT17上进行了实验,结果表明了该方法的有效性和可靠性。

关键词：行人再识别轻量级网络注意力机制软多标签半监督学习

低空航拍下开放式行人再识别模型的泛化能力提升方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

低空航拍下开放式行人再识别模型的泛化能力提升方法研究

作者：徐理丽贵州师范大学

学位级别：硕士

开放式行人再识别(Open-World Person Re-identification)是指在未知的空间环境中,通过无重叠的视频监控网络,判断给定的某个行人是否出现在其他摄像机视场中的过程,候选行人库中并不一定包含有待检索的行人,是比封闭式行人再识别更具... 详细信息

开放式行人再识别(Open-World Person Re-identification)是指在未知的空间环境中,通过无重叠的视频监控网络,判断给定的某个行人是否出现在其他摄像机视场中的过程,候选行人库中并不一定包含有待检索的行人,是比封闭式行人再识别更具挑战和更为实用的应用研究。现有的大多数开放式行人再识别研究基于地面行人图像数据,近年来,随着无人机技术的发展,通过无人机平台构建的智能监控系统受到重点关注,基于无人机拍摄的低空航拍下开放式行人再识别任务成为一项热门的研究课题。无人机超低空斜视或俯视动态拍摄形成的行人图像与固定视角的地面摄像机拍摄得到行人图像存在很大差异。因此,低空航拍行人再识别任务不仅面临传统的行人再识别任务中光照、服装变化等问题,还需要同时处理无人机拍摄高度和角度变化等干扰因素导致的严重遮挡、视角差异、分辨率差异等问题。本文基于深度学习技术,利用整体性思想,研究提高低空航拍下开放式行人再识别模型泛化能力的方法。主要的研究内容包括:1.低空航拍下基于元迁移学习的行人再识别泛化方法。针对低空航拍图像同时存在严重遮挡、视角差异、分辨率差异等情况导致构建出来的行人特征判别力弱的问题,提出了基于元迁移学习的行人再识别框架。该学习框架融合元学习和迁移学习的优势,基于元学习训练学习能力和迁移学习探索知识相关性的思路,训练对低空航拍行人图像具有高泛化能力的特征提取模型。此外,该框架额外引入了基于课程抽样的训练策略来提高航拍图像中困难样本的利用率,并设计基于高斯嵌入的度量策略来改进模型优化方向,使训练出来的模型更具泛化能力。2.低空航拍下基于视觉Transformer的行人再识别泛化模型方法研究。针对低空航拍行人图像中存在目标多尺度、多粒度等情况导致现有深度学习方法训练出来的模型泛化能力较弱的问题,提出了基于视觉Transformer的行人再识别模型。该模型基于强大的视觉Transformer机制,通过多头自注意力模块同时关注行人图像的全局信息和局部信息。此外,针对航拍行人图像中视角多变和严重遮挡的特性,引入基于视角信息的特征融合策略和基于零填充位移的特征增强策略;针对视觉Transformer模型训练对优化器、超参数等设置敏感的特性,引入基于标准卷积的模型结构优化策略,进一步提升了模型的泛化能力。为验证本文方法的可行性,在大规模低空航拍行人数据集PRAI-1581上进行了多组实验,并在两个地面行人数据集Market-1501和Duke MTMC-re ID上进行补充实验。实验结果表明,本文所提出的基于元迁移学习的行人再识别框架和基于视觉Transformer的行人再识别方法能有效提升低空航拍下行人再识别模型的泛化能力。

关键词：视频监控行人再识别低空航拍图像元迁移学习视觉Transformer

基于主动学习的行人再识别方法研究及系统实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于主动学习的行人再识别方法研究及系统实现

作者：高雯静南京理工大学

学位级别：硕士

行人再识别是指在多摄像机监控视频系统中,通过一组视角不重叠的摄像机,识别同一个行人的任务。近年来,行人再识别技术已经在全监督学习领域上实现了比较大的突破,通过设计模型对大量有标签的行人数据进行训练,取得了较高的识别精度。然... 详细信息

行人再识别是指在多摄像机监控视频系统中,通过一组视角不重叠的摄像机,识别同一个行人的任务。近年来,行人再识别技术已经在全监督学习领域上实现了比较大的突破,通过设计模型对大量有标签的行人数据进行训练,取得了较高的识别精度。然而,在现实场景中,标注一定数量的行人数据需要耗费大量的时间和人力成本,使得行人再识别技术难以得到实际应用。基于上述背景,本论文提出结合主动学习方法来解决行人再识别任务中训练数据标签有限的问题,主要工作内容如下:(1)提出基于无监督多分类的主动学习方法。该方法以无监督多分类模型为基础模型,并通过挖掘样本与样本之间的互为近邻关系,设计了基于排序不确定性的样本选择策略。在需要进行人工标注的训练轮次内,选择出排序不确定分数最高的部分训练样本,将这些样本与其近邻样本组成样本对交由专家标注,然后根据标签传播策略对标注结果进一步扩充,从而利用标注信息优化多类别伪标签,使得伪标签预测结果与真实标签更加接近。最后通过在行人再识别领域的三个主流数据集进行实验,表明本方法能够在低标注成本的前提下,有效提高基础模型的识别精度。(2)为了进一步降低主动学习的标注成本,提出了基于深度聚类的主动学习方法。该方法以深度聚类模型为基础模型,设计了基于困难样本对的选择策略,通过分析初始聚类结构,自适应地为每个类簇找到不同数量的困难样本对并进行标注,从而根据模型自身的状态确定合适的标注成本。此外,该方法还提出利用困难样本对的标注结果来指导类簇的分裂与合并,从而扩大标注信息对模型伪标签的影响范围,而非仅对个别样本的伪标签进行优化。在三个数据集上的实验表明,该方法的人工标注成本仅为基于无监督多分类的主动学习方法一半左右,识别精度却得到了进一步的提升,对比近年来的主流行人再识别方法也呈现出了优异的模型性能。(3)以基于主动学习的行人再识别模型为基础,设计并实现了行人再识别交互系统,为人与模型之间的信息传递提供了易于操作的平台。本文对系统运行过程中涉及的启动模型训练、查询模型状态、标注行人图像并反馈结果、控制模型暂停与续训,检索结果可视化五大交互操作进行了详细的分析与设计,最后通过对系统进行功能测试,验证了系统在各个交互操作上的可靠性。

关键词：行人再识别主动学习困难样本挖掘交互系统

基于姿态修复与多模态融合的鲁棒行人再识别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于姿态修复与多模态融合的鲁棒行人再识别研究

作者：吴彬江苏大学

学位级别：硕士

随着城市中摄像头的普及,智能识别系统的需求也随之增加,行人再识别作为计算机视觉的子方向也成为了热门的研究课题。行人再识别旨在从非重叠的摄像头场景中搜索特定的目标行人。然而,真实场景下存在遮挡、光照、跨模态和视角变换等挑战... 详细信息

随着城市中摄像头的普及,智能识别系统的需求也随之增加,行人再识别作为计算机视觉的子方向也成为了热门的研究课题。行人再识别旨在从非重叠的摄像头场景中搜索特定的目标行人。然而,真实场景下存在遮挡、光照、跨模态和视角变换等挑战,致使行人再识别从理论到实践还有很大的差距。为了解决以上问题,本文在深入研究并分析现有的行人再识别工作基础上,提出基于姿态修复与双通道融合的抗遮挡行人再识别方法和基于复眼网络与多模态融合的行人再识别方法,并且基于此算法设计了行人再识别原型系统。本文的主要研究工作包括以下内容:(1)提出一种基于姿态修复与双通道融合的抗遮挡行人再识别方法,以提升在行人被遮挡情况下的识别精度。首先提出边缘平滑的姿态修复模块,用于擦除目标行人图像中的遮挡物,并修复完整行人姿态。其次提出双通道特征融合模块,利用姿态估计提取行人主体特征,以减少姿态修复模块带来的噪声影响,然后进行行人整体特征距离度量。实验表明了该算法可以有效提高行人在遮挡情况下的识别效果。(2)提出一种基于复眼网络与多模态融合的行人再识别方法,以提升行人再识别在跨模态情况下的识别精度。首先通过多摄像头逻辑拓扑推理得到目标行人在摄像头网络中出现的顺序及其RGB图像特征。其次提出深度复眼网络,将邻接摄像头作为一个复眼进行特征学习,以提取行人在邻接摄像头下的全局信息。然后提出多模态融合的行人再识别方法,通过邻接摄像头的RGB图像特征,生成目标行人IR图像对应的RGB图像,以减少模态间的特征差距。最后通过大量对比实验和消融实现论证了本方法在跨模态情况下的有效性。(3)设计并且实现面向真实场景的行人再识别原型系统。该系统主要包括信息上传功能模块、抗遮挡行人再识别功能模块、多摄像头逻辑拓扑推理模块、跨模态行人再识别功能模块和识别信息保存功能模块。实验表明本系统能够在真实的复杂场景中进行快速行人检索任务,具有较高的社会价值和应用前景。

关键词：行人再识别特征提取度量学习神经网络

基于多尺度特征与无监督非对称度量学习的行人再识别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多尺度特征与无监督非对称度量学习的行人再识别研究

作者：吕魏安徽工业大学

学位级别：硕士

随着现代智能技术的发展,计算机视觉和模式识别逐渐出现在人们的生活当中,行人再识别技术的应用也即将变得广泛。行人再识别是指行人被一个摄像机捕捉完消失后到另一个摄像机再次出现时在摄像机数据库中对其进行匹配,其目的是为了判断... 详细信息

随着现代智能技术的发展,计算机视觉和模式识别逐渐出现在人们的生活当中,行人再识别技术的应用也即将变得广泛。行人再识别是指行人被一个摄像机捕捉完消失后到另一个摄像机再次出现时在摄像机数据库中对其进行匹配,其目的是为了判断是否为同一个人的相似性。由于诸多因素影响,如光线强度、摄像机分辨率、行人姿势及着装、障碍物遮挡、视角变化等导致行人再识别技术面临着不同的挑战。行人再识别的研究主要从特征提取和度量学习两大方面展开,本文围绕多尺度Retinex LOMO特征提取与无监督非对称度量学习进行。对行人再识别技术的背景及意义、研究现状和问题挑战进行介绍。围绕特征提取和度量学习两个方面介绍现有的行人再识别技术的相关理论。通过多尺度Retinex方法对图像进行处理,将Retinex算法对人的图像进行预处理,能够增强图像色彩及恒定性、局部动态范围的压缩,达到人类视网膜的视觉效果。再通过LOMO方法进行特征提取,与其他特征提取方法进行了比较并在多个数据集上进行实验验证并取得了良好的精度。非对称度量学习的行人再识别方法找到一个共享空间,在一定程度上降低了特定视图的偏差,解决同一个行人被不同型号的摄像机所拍摄以及其他因素的影响,得出的两张图像可能有一定差别的问题。无监督学习主要对视图进行建模,以显示样本之间的区别,能够更好地缓解特定视图偏差的干扰。在进行优化处理时采用Kullback–Leibler(KL)散度方法,KL散度在视图中满足非对称特性,为缩减样本之间的差异性增加一个样本的协方差,缓解摄像机视图之间的分布差异,这样能够提高样本的识别精确度。在多个具有挑战性的数据集上对无监督非对称度量学习方法进行验证,并进行聚类分析和特征分析,结果得出该方法在行人再识别问题上具有一定的识别性能。

关键词：行人再识别多尺度Retinex 无监督学习非对称 KL散度