基于深度特征和排序优化的行人再识别研究

发布时间：2023-12-10 09:35

　　行人再识别是一项跨摄像头的行人匹配技术,其目的是在跨视域的候选行人集中检索出目标行人。由于受光照、视角、姿态以及遮挡物等因素的影响,同一行人的外观在不同监控画面下会呈现出很大的差异,这给行人再识别工作带来了巨大的挑战。本文针对行人再识别中的特征描述和重排序两个方面进行了研究,并将相关的研究成果应用在校园场景中,设计了一个行人再识别的原型系统。主要工作如下:(1)为了提高行人特征对光照和姿态变化的鲁棒性,一方面,本文利用了带色彩恢复因子的多尺度视网膜增强算法(MSRCR,Multi-Scale Retinex with Color Restoration)对原始数据进行预处理,该算法通过增强图像中亮度偏暗的区域来丰富图像局部的色彩信息。另一方面,本文通过人体关键点和仿射变换来归一化行人的姿态,并设计了一个深度神经网络模型PIF来提取行人的包含了姿态不变信息的深度特征。相比于手工设计的特征和只考虑了局部姿态对齐后的特征,该模型通过伪孪生的网络结构实现了对原始图像和姿态归一化图像的联合学习,兼顾了全局和局部的深度特征。最后通过在三个公共数据集上进行实验和分析,证明了该方法能够有效缓解光照和姿...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 课题研究背景与意义
    1.2 研究现状
        1.2.1 行人再识别的发展历程
        1.2.2 行人再识别的一般步骤
        1.2.3 基于特征表达和相似性度量的行人再识别
        1.2.4 基于深度学习方法的行人再识别
        1.2.5 基于重排序算法的行人再识别
    1.3 目前存在的主要问题
    1.4 本文的主要工作及创新点
    1.5 本文的结构安排
第二章 基于姿态不变性深度特征的行人再识别方法
    2.1 对现有方法的分析
    2.2 基于MSRCR的预处理算法
    2.3 基于姿态不变性的行人特征的提取
        2.3.1 基于残差网络的基准模型
        2.3.2 基于姿态不变的行人特征
        2.3.3 基于行人姿态不变性的伪孪生网络模型
    2.4 实验结果与分析
        2.4.1 在VIPeR数据集上的实验与分析
        2.4.2 在CUHK03数据集上的实验与分析
        2.4.3 在Market1501数据集上的实验与分析
    2.5 本章小结
第三章 基于双向KNN重排序的行人再识别方法
    3.1 对现有方法的分析
    3.2 基于KNN的重排序算法
        3.2.1 KNN算法
        3.2.2 基于KNN的距离计算
    3.3 基于双向KNN的重排序算法
        3.3.1 双向KNN算法
        3.3.2 基于双向KNN的距离计算
    3.4 实验结果与分析
        3.4.1 在Market1501数据集上的实验与分析
        3.4.2 在PRW数据集上的实验与分析
        3.4.3 参数分析
    3.5 本章小结
第四章 行人再识别在校园场景下的应用
    4.1 应用背景
    4.2 系统的整体架构
    4.3 系统的功能模块
        4.3.1 行人检测
        4.3.2 数据预处理
        4.3.3 行人检索
    4.4 系统的结果展示与性能分析
    4.5 本章小结
第五章 总结与展望
    5.1 论文工作总结
    5.2 未来工作展望
参考文献
攻读学位期间参与科研项目和公开发表的论文
致谢



本文编号：3872248