基于视频的行人重识别方法研究

发布时间：2021-04-23 07:15

　　行人重识别最近几年在学术和工业界得到广泛的关注,该方向主要包含基于图片和基于视频的行人重识别两个方向。其主要解决的问题是多个摄像头的场景下行人是否为同一个人。该方向的研究对于在商场中寻找丢失的孩童,或者公安用于侦察罪犯等公共安全问题尤为重要。但是因为光照、遮挡、模糊、行人姿态以及相机视角等因素的影响,使得同一个行人在不同的摄像头下存在着很大的变化。本文主要从视频角度来解决该问题。基于视频的行人重识别每个人在摄像头下都是一个序列,采用视频序列可以获取到更加丰富的时空信息。首先,本文从特征表达方向考虑。特征表达是通过学习判别性的特征来区分不同的行人。不同于静态图片只有空间信息,视频序列还具有时序信息。本文利用姿态估计的方法获取行人的关节点,通过脚踝的关节点,可以重新合成行人的高质量行走周期。同时为了获取空间信息,利用姿态关节点将行人划分为各个局部区域,提取局部特征,最后将行走周期的多张图片特征拼接为最终的时空特征。最终的实验结果证明提出的时空特征能够在视频序列上取得很好的效果。其次,本文从度量学习角度考虑。度量学习是学习判别性的度量矩阵来区分不同的行人。针对之前提取到的时空特征,考虑到不同... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 论文的研究内容
    1.4 本文的组织架构
2 基于时空信息特征表达的视频行人重识别方法
    2.1 空间信息提取
    2.2 时序信息表达
    2.3 时空特征信息提取
    2.4 实验过程和结果
    2.5 本章小结
3 基于姿态约束度量学习的视频行人重识别方法
    3.1 度量学习介绍
    3.2 动态时间规整算法
    3.3 姿态约束的度量方法
    3.4 实验过程和结果
    3.5 本章小结
4 基于时序注意力机制深度网络的视频行人重识别方法
    4.1 时序信息模型
    4.2 注意力机制模型
    4.3 基于时序注意力机制的深度网络
    4.4 实验过程和结果
    4.5 本章小结
5 总结与展望
    5.1 全文总结
    5.2 主要创新点
    5.3 课题展望
致谢
参考文献
附录1 硕士期间发表的文章
附录2 硕士期间参与的项目



本文编号：3154887