基于自适应特征聚类网的行人重识别

发布时间：2021-12-12 05:28

　　随着社会信息化建设的不断发展,城市中监控摄设备的数量与监控视频数据正急剧增加,人工浏览并处理所有监控视频已变得费时费力,因此,如何利用计算机自动整合监控视频信息具有重要意义。行人重识别技术可以从多个摄像机拍摄视频中对指定行人进行检索,该技术在智能视频监控、智能交通、智能安防等领域均有广泛应用,但由于视频拍摄角度不同、行人运动姿态多变、行人背景变化复杂、摄像机拍摄质量参差不齐、大雾大雨恶劣天气等影响,使得目前行人重识别精度不高,距离实际应用仍然有一定的差距。目前主流的行人重识别解决方案由特征提取和相似度度量这两大部分构成,前者用于提取具有表征性和鲁棒性的行人特征,后者将行人特征投影到更易区分的分布空间,从而提高行人重识别模型的检索能力。综上所述,本文针对特征提取和相似度度量提出了三种优化方法:设计一种自适应特征聚类网络结构,用于提取具有较高表征能力与鲁棒性的行人特征。自适应特征聚类网络由基础特征提取网络、特征聚类模块和分类模块三部分组成,选取ResNet-50网络结构作为基础特征提取网络,在获得行人特征图后,使用自定义的平面对称填充和一层卷积层对特征图做像素级的分类,并将同类特征聚类通过... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：97 页

【学位级别】：硕士

【部分图文】：

智慧城市

摄像机产生的视频数据可以达到惊人的 TB 甚至 PB 级别；再点，属于低密度高价值，监控视频中重要的信息往往仅出现在因此，如何智能高效的合理利用这些大量的、具有自己独特分，从而真正实现的智能监控，对于那些算法研究人员来说也是安防监控领域，例如各地的公安机关，如果在街头出现盗窃、安干警往往会选择在中央监控室内，调集所有可收集到的监控，一段一段的观看视频来查找犯罪嫌疑人，如图 1.2 所示，而在面对如今与日俱增的海量数据面前，已很难完成既定任务。的运算能力，设计出相对应的智能监控算法，让机器自动完成将监控工作人员从繁重而重复的肉眼观看视频的任务中解放出监控的效率，从而推动智能视频监控领域的发展，这一需求已利用计算机视觉方面的技术算法来实现智能安防，已成为目前希望解决的技术问题。

第一章 绪论identification）[1]，以前也被称为多摄像机追踪，即将所有出现在监控视频中的行人像进行合理匹配，从而找到待检测行人在所有视频中出现的位置，如图 1.3 所示。近几年来，行人重识别技术受到越来越多研究人员的青睐，目前可以说是计算机视大类中的一个研究热点。行人重识别技术的核心问题包括：目标检测、机器学习、式识别、信息论、多源信息融合、数字图像处理等在内的多个学科领域和多种知识构，它需要处理的主要对象是大量摄像头所拍摄下来的海量视频信息，但在实际应当中，由于监控视频清晰度的参差不齐、拍摄角度的变化较大、背景环境的差异性大、行人图像出现遮挡等众多问题的存在[2]，使得行人重识别在实现起来也是困难重，种种不确定因素也给行人重识别这一技术带来了前所未有的挑战，因此，如何用硬件支持或是软件的特定算法来有效缓解不确定因素所带来的干扰，正是目前行重识别的相关研究人员们所要解决的核心问题。


本文编号：3536089