基于深度度量嵌入和生成对抗网络的遮挡行人重识别方法研究

发布时间：2022-01-04 19:23

　　行人重识别是指在多个非重叠摄像头拍摄的场景下,给定查询行人图像,从大规模图像库中检索出相同身份的行人图像。行人重识别在智能安防、视频监控等实际应用中扮演着重要的角色,在计算机视觉领域受到了广泛的关注。随着深度学习的发展,行人重识别的性能有了显著的提升。另一方面,自然场景中遮挡十分常见,例如背景遮挡、行人互相遮挡等,使得行人重识别在实际应用中性能严重下降。因此,研究如何学习判别性的深度度量嵌入表征,以及如何对遮挡行人图像进行去遮挡处理,用于遮挡场景下的行人重识别是一个具有实际价值和富有挑战的研究方向。本文的主要工作如下:首先,现有的行人重识别方法大多提取不同局部区域的特征来处理遮挡,但是忽略不同局部区域之间的空间语义关系。本文提出一种新颖的行人重识别方法,其基于长短期记忆网络提取判别性的行人表征,用于处理遮挡问题。具体来说,本文利用长短期记忆网络学习不同局部区域的空间语义关系,从而得到多方向空间编码局部特征。同时,本文基于分类不确定性提出一种自适应近邻损失,可以在样本的近邻范围内有效减少类内变化,同时扩大类间差异。该损失可以使得深度神经网络学习一个嵌入空间,得到判别性的深度度量嵌入作为行... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

循环神经网络(左侧)及其展开形式〔右侧)的示意图l’]

图２．２生成对抗网络示意图

图２．６行人重识别中采用的（ａ）样本对孪生网络和（ｂ）三元组孪生网络结构示意图


本文编号：3568923