基于部件特征的行人检索方法
发布时间：2021-02-14 03:00
近些年由于深度学习的发展,行人检索领域也取得了较多的进步。在诸多领域有着不错的应用,例如安防安全、大型公共场所的智能寻人系统、无人超市、家庭智能机器人等等。但不同的场景就意味着被摄像头检测到的行人图像有着非常严重的差异,行人图像存在遮挡、背景不同等问题,如何减少各种影响因素带来的问题,从而提高行人检索的识别准确率,是一个需要解决的问题。为了避免行人图像存在的视觉差异所带来的影响,提高行人检索的准确率,本文主要进行了如下几个工作:（1）为了解决局部部件的分割方式问题,采用提取部件特征的方式,提出了一种对部件进行精细分割的行人检索方法。通过精细化分割部件,提升了部件内部的一致性,降低了行人图像硬分割带来的影响,提高检索的精度。（2）采用多分支结构的网络,融合部件特征与全局特征,提高模型的鲁棒性和准确率。（3）提出了一种显著特征权值学习的自监督方法,使得模型具备辨别特征是否显著的能力。在提取特征时专注于显著的特征,将不显著的特征权值减小,对显著的部件特征增加可信度。本文方法在两个大型数据集Market-1501和Dukem MTMC-re ID上进行了实验,实验结果表明,行人检索的准确率优于...
【文章来源】：北方工业大学北京市
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
不同场景下的行人运动轨迹
第一章绪论2随着计算机硬件水平的不断提升，计算机视觉技术也借助深度学习而不断发展进步，取得了众多突破。行人检索便是采用计算机视觉技术，从摄像头采集到的照片或视频所截取的图片中，检索目标行人的图像。是目前计算机视觉研究的重要方向之一。行人检索可以作为人脸识别的补充，当摄像头不能检测到完整的人脸信息，或者人脸信息失效时，通过行人检索方法可以找到想要的目标人物。例如最近世界范围内爆发了新型冠状病毒引发的肺炎疫情，每个人都佩戴了口罩进行防护，人脸信息只剩下眼部的信息，这就对常用的人脸识别检测设备造成了较大的困难，此时，采用整个行人作为检测目标，就可以抛开人脸信息，检测行人。即使只有同一个行人的背面图片，自始至终没有转身露脸的照片。图1-2口罩对人脸信息采集存在影响行人检索是一种基于全身身份信息的识别方法。通过一张待检索的行人图片，对比其他地点位置拍摄到的行人全身图片，从而找出与待检索行人最接近的一张或者几张图片。不同的行人会跨过不同的摄像机的拍摄范围，如图1-1所示，这就导致了行人所处的环境复杂多样、摄像头清晰度参差不齐，受到天气、穿着打扮、走路姿态等综合因素的影响，提升了行人检索的难度，利用行人的全身作为特征来检索、分析行人的轨迹数据等，是一个更好的选择。
第一章绪论5图1-3行人检索中遇到的典型挑战（1）图片分辨率低：目前摄像机的像素质量不断提升，但仍存在部分摄像机的分辨率较低，摄像机难以拍摄到行人的关键特征，同时，由于摄像机与拍摄的行人距离可能较远，也是导致分辨率较低的原因。肉眼难以区别的图像，计算机区分起来也存在难度。（2）走路姿态不一：当一个行人长时间处于同一个大环境下的时候，由于疲劳可能骑上自行车，或者找地方坐下，使姿态发生变化。此时拍摄到的行人平面图像就发生了扭曲，增加了识别难度。（3）物品遮挡严重：行人容易受到自身所携带的物品如雨散背包等遮挡。遮挡问题不可避免，但遮挡带来的影响比较严重，导致无法提取到全部的行人的有效信息，同时遮挡物品可能被误认为是人体的一部分，提取到了大量的其他物品信息，从而降低了检索的精度。（4）拍摄视角不同：拍摄视角不同，那么行人的图像信息就融合了例如正面、背面、侧面等多位信息，影响模型的学习能力。（5）背景改变明显：一般的，行人在行进的过程中，背景一定会发生变化，若存在明显的背景差异、或是背景颜色和穿着颜色接近，使得行人融入了背景色中，那就大大提升了检索的难度。（6）穿衣打扮相似：穿着相似的情况不多，但是在特定的场所或情况下却
【参考文献】：
期刊论文
[1]基于行人分割与部位对齐的行人再识别[J]. 耿树泽,于明,岑世欣,刘晓亮. 河北工业大学学报. 2019(05)
[2]区域块分割与融合的行人再识别[J]. 蒋建国,杨宁,齐美彬,陈翠群. 中国图象图形学报. 2019(04)
[3]基于强化深度特征融合的行人再识别算法研究[J]. 李佳丽,郭捷. 信息技术. 2018(07)
[4]非重叠域行人再识别算法研究[J]. 何晴,郭捷. 信息技术. 2018(07)
[5]基于改进的HOG与Sobel-LBP融合的快速行人检测[J]. 疏坤,蒋建国,齐美彬,岳周龙. 合肥工业大学学报(自然科学版). 2017(07)
[6]利用人体部位特征重要性进行行人再识别[J]. 章登义,王骞,朱波,武小平,曹瑀,蔡波. 武汉大学学报(信息科学版). 2017(01)
[7]基于分层特征融合的行人分类[J]. 孙锐,张广海,丁文秀. 计算机工程与科学. 2016(10)
[8]基于图像显著特征的非重叠视域行人再识别[J]. 王彩玲,唐松,荆晓远. 南京邮电大学学报(自然科学版). 2016(03)
[9]基于局部深度匹配的行人再识别[J]. 李邵梅,陈雷. 计算机应用研究. 2017(04)
[10]结合纹理特征和深度学习的行人检测算法[J]. 张阳. 辽宁工程技术大学学报(自然科学版). 2016(02)
本文编号：3033005
【文章来源】：北方工业大学北京市
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
不同场景下的行人运动轨迹
第一章绪论2随着计算机硬件水平的不断提升，计算机视觉技术也借助深度学习而不断发展进步，取得了众多突破。行人检索便是采用计算机视觉技术，从摄像头采集到的照片或视频所截取的图片中，检索目标行人的图像。是目前计算机视觉研究的重要方向之一。行人检索可以作为人脸识别的补充，当摄像头不能检测到完整的人脸信息，或者人脸信息失效时，通过行人检索方法可以找到想要的目标人物。例如最近世界范围内爆发了新型冠状病毒引发的肺炎疫情，每个人都佩戴了口罩进行防护，人脸信息只剩下眼部的信息，这就对常用的人脸识别检测设备造成了较大的困难，此时，采用整个行人作为检测目标，就可以抛开人脸信息，检测行人。即使只有同一个行人的背面图片，自始至终没有转身露脸的照片。图1-2口罩对人脸信息采集存在影响行人检索是一种基于全身身份信息的识别方法。通过一张待检索的行人图片，对比其他地点位置拍摄到的行人全身图片，从而找出与待检索行人最接近的一张或者几张图片。不同的行人会跨过不同的摄像机的拍摄范围，如图1-1所示，这就导致了行人所处的环境复杂多样、摄像头清晰度参差不齐，受到天气、穿着打扮、走路姿态等综合因素的影响，提升了行人检索的难度，利用行人的全身作为特征来检索、分析行人的轨迹数据等，是一个更好的选择。
第一章绪论5图1-3行人检索中遇到的典型挑战（1）图片分辨率低：目前摄像机的像素质量不断提升，但仍存在部分摄像机的分辨率较低，摄像机难以拍摄到行人的关键特征，同时，由于摄像机与拍摄的行人距离可能较远，也是导致分辨率较低的原因。肉眼难以区别的图像，计算机区分起来也存在难度。（2）走路姿态不一：当一个行人长时间处于同一个大环境下的时候，由于疲劳可能骑上自行车，或者找地方坐下，使姿态发生变化。此时拍摄到的行人平面图像就发生了扭曲，增加了识别难度。（3）物品遮挡严重：行人容易受到自身所携带的物品如雨散背包等遮挡。遮挡问题不可避免，但遮挡带来的影响比较严重，导致无法提取到全部的行人的有效信息，同时遮挡物品可能被误认为是人体的一部分，提取到了大量的其他物品信息，从而降低了检索的精度。（4）拍摄视角不同：拍摄视角不同，那么行人的图像信息就融合了例如正面、背面、侧面等多位信息，影响模型的学习能力。（5）背景改变明显：一般的，行人在行进的过程中，背景一定会发生变化，若存在明显的背景差异、或是背景颜色和穿着颜色接近，使得行人融入了背景色中，那就大大提升了检索的难度。（6）穿衣打扮相似：穿着相似的情况不多，但是在特定的场所或情况下却
【参考文献】：
期刊论文
[1]基于行人分割与部位对齐的行人再识别[J]. 耿树泽,于明,岑世欣,刘晓亮. 河北工业大学学报. 2019(05)
[2]区域块分割与融合的行人再识别[J]. 蒋建国,杨宁,齐美彬,陈翠群. 中国图象图形学报. 2019(04)
[3]基于强化深度特征融合的行人再识别算法研究[J]. 李佳丽,郭捷. 信息技术. 2018(07)
[4]非重叠域行人再识别算法研究[J]. 何晴,郭捷. 信息技术. 2018(07)
[5]基于改进的HOG与Sobel-LBP融合的快速行人检测[J]. 疏坤,蒋建国,齐美彬,岳周龙. 合肥工业大学学报(自然科学版). 2017(07)
[6]利用人体部位特征重要性进行行人再识别[J]. 章登义,王骞,朱波,武小平,曹瑀,蔡波. 武汉大学学报(信息科学版). 2017(01)
[7]基于分层特征融合的行人分类[J]. 孙锐,张广海,丁文秀. 计算机工程与科学. 2016(10)
[8]基于图像显著特征的非重叠视域行人再识别[J]. 王彩玲,唐松,荆晓远. 南京邮电大学学报(自然科学版). 2016(03)
[9]基于局部深度匹配的行人再识别[J]. 李邵梅,陈雷. 计算机应用研究. 2017(04)
[10]结合纹理特征和深度学习的行人检测算法[J]. 张阳. 辽宁工程技术大学学报(自然科学版). 2016(02)
本文编号：3033005
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3033005.html
最近更新
教材专著
