行人目标跟踪的遮挡问题研究

发布时间：2021-07-15 00:13

　　行人目标跟踪作为一项重要的基础性技术,在现实生活中的很多领域都有着非常重要的应用价值和应用前景。在目前所建设的平安城市的安防视频监控系统中,行人目标的跟踪是实现行为分析等智能分析的关键。然而,在实际应用场景中,因环境的复杂性,导致了行人目标跟踪准确率的保证非常困难,其中最突出的问题,就是在跟踪过程中,因行人被遮挡,导致的行人外观特征发生变化而导致跟踪失败。针对行人目标跟踪系统中,由于行人遮挡导致行人识别效果差的问题,本文展开了研究,通过深度学习生成对抗网络,构建行人去遮挡预估模型。在分析了生成对抗网络对行人去遮挡的局限性的基础上,本文提出了一种利用双输入生成式对抗网络修复受遮挡行人的方法,首先,提取受遮挡行人的姿态,结合其外观,构建姿态与外观单独编码生成器,将生成器信息融合后,训练判别器,构建行人去遮挡网络模型。此外,在模型中引入注意力机制,提升网络对环境的抗干扰性,由此获得更好的去遮挡效果,提高行人再识别的准确性。为了进一步提升去遮挡模型的效果,本论文还提出了利用骨骼预测模型优化去遮挡模型的方案。首先,预测受遮挡的行人的骨骼信息,构建骨骼模型;其次,将图像与预测出的骨骼模型分别输入各... 

【文章来源】：西安理工大学陕西省

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

手动分块提取行人特征

图 1-1 所示其将行人图像分为若干等份按照顺序送到一融合了所有图像块的局部特征。图 1-1 手动分块提取行人特征Fig.1-1 Manually segmentation of person features基于手动分切块提取局部特征的算法虽然在一定程度上是这类方法对图像对齐的要求较高。若匹配图像没有对齐不一致导致模型识别错误。

1 绪论 等人提出的工作 Spindle Net[19]也使用预训练好的姿态估计模型来提ng 等人的工作的差异之处在于 Spindle Net 是直接利用提取到的关键(Regionofinterest,ROI)。SpindleNet 网络如图 1-3 所示，首先利用姿标的关键点，然后，通过提取得到的关键点确定目标的 7 个感兴趣区中的 FEN-C1、FEN-C2、FEN-C3 几个部分中的 CNN（图 1-3 中橙色的。


本文编号：3285179