面向多场景的行人重识别研究

发布时间：2021-04-29 16:39

　　行人重识别（Person Re-identification）是利用计算机视觉、图像识别方法判断图像或者视频序列中是否存在特定行人的技术。利用行人重识别技术可以获取疑犯逃跑路线信息,寻找走失儿童等,对于城市安防建设有着重要的作用。在监控场景下,由于摄像的角度、光照条件以及行人姿态等问题的影响,使得行人重识别技术面临许多挑战。传统的行人重识别技术基于人工设计的特征,首先提取行人的颜色、纹理等特征,然后使用距离度量来度量行人特征之间的相似度。但是在多场景下,人工设计的特征不具有鲁棒性,传统方法的效果不甚理想。自深度学习被提出以来,在计算机视觉的很多领域取得了巨大的成功,使用深度学习解决行人重识别问题也受到更多研究者们的关注。除了行人的重识别,行人的属性信息识别如识别行人衣服颜色在行人识别中也发挥着重要的作用,在多场景下,监控视频中的行人会面临姿态等问题的挑战,但是行人的属性信息是不变的,例如,行人携带的背包。通过对行人属性识别,可以获得行人的活动特征,有利于商场获取顾客喜好信息等。针对以上问题,本文基于卷积神经网络提出了以下方法:1.提出了一种改进的损失函数。现有的行人属性数据集采集时间和... 

【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 课题研究背景和意义
    1.2 行人重识别国内外研究现状
    1.3 研究内容与章节安排
        1.3.1 研究内容
        1.3.2 章节安排
第2章 行人重识别相关技术
    2.1 行人重识别介绍
    2.2 特征提取
        2.2.1 基于人工设计特征的提取
        2.2.2 基于神经网络的特征提取
    2.3 度量学习
        2.3.1 传统度量学习方法
        2.3.2 基于神经网络的度量学习
    2.4 本章小结
第3章 基于属性样本比例的行人属性识别
    3.1 行人属性介绍
    3.2 网络结构设计
    3.3 损失函数设计
        3.3.1 行人属性分析
        3.3.2 改进的损失函数设计
    3.4 实验设计与结果分析
        3.4.1 行人属性数据集
        3.4.2 网络配置与训练
        3.4.3 实验结果
    3.5 本章小结
第4章 基于行人属性和姿态的行人重识别
    4.1 网络模型结构
    4.2 行人对齐
        4.2.1 关键点检测
        4.2.2 姿态估计数据集
    4.3 属性选择
    4.4 损失函数
    4.5 实验设计与结果分析
        4.5.1 数据集
        4.5.2 评价方法
        4.5.3 实验环境及网络配置
        4.5.4 实验结果分析
    4.6 本章小结
总结与展望
    本文工作总结
    未来工作展望
致谢
参考文献
攻读硕士学位期间发表的论文及参与的科研项目


【参考文献】：
硕士论文
[1]基于Hausdorff距离模板匹配的行人检测算法研究与应用[D]. 黄琛.清华大学 2006



本文编号：3167813