多粒度人体结构对齐的行人重识别算法研究

发布时间：2024-06-01 23:51

　　在社会生活中,视频监控是保障公民的生命安全和财产安全的重要手段之一,随着监控摄像头的不断增多,传统通过专业的监控人员进行视频监控的方式面临巨大的成本和效率问题,突发安全事件发生后,传统人工调查方法往往存在时效低,效果差等问题,运用自动化监控技术是安防行业迫切的需求,行人重识别技术正是应用于这一领域的重要技术之一。随着深度学习在行人重识别领域的高速发展,在此领域研究现状表明行人图像的全局和局部特征的组合可以成为提高行人重新识别算法判别性能的关键点之一。本文提出了一种基于深度学习卷积网络的机器学习模型,可以很好地在减少背景影响情况下提取行人多粒度的整体与局部特征,并通过多粒度特征对齐和多损失函数提高整体网络性能。本文的主要工作和创新之处如下:(1)提出一种基于RPN的人体部件检测网络,该网络模块主要用于检测行人图像中人体躯干的各个部位,进而可以提取对应的局部特征。相比较于直接将传统行人图像硬性划分为线条或网格形状区域等算法,本文提出的人体部件检测网络,能够有效地减少引入背景噪声,提取到的特征无需再次对齐可直接进行融合,避免了部件对齐造成的误差,另外相比于直接根据人体关键点定位人体区域的算法...

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

图１－２多粒度人体结构对齐网络??Ｆｉｇｕｒｅ?１－２?Ｍｕｌｔｉ－ｇｒａｉｎ?ｈｕｍａｎ?ｓｔｒｕｃｔｕｒｅ?ａｌｉｇｎｍｅｎｔ?ｎｅｔｗｏｒｋ??

合的多层级多粒度人体局部特征提取算法，使用多粒度识别网络以及多任务学习??策略，训练出一个性能更加强大的行人重识别网络。本文提出的行人重识别算法结??构如下图１－２所示：??Ｉ?ｊＤ?人体部件检测Ｎ络??＾?？?多粒度识别Ｍ络??Ａ—?．?＾?？Ｈｌ！??Ｉ?Ｌ．ｈｗｒｆ＿?：?....

图2一1二维

足够聪明的网络结构，另外很重要的工作之一就是通过使用训练数据通过梯度??降算法或其他训练算法逐次迭代调整卷积网络权重，最终使网络收敛。本节下面??详细介绍卷积网络中的主要模块，有卷积层、池化层、激活函数、批归一化层。??．１．１卷积层??卷积网络中进行的基础操作之一就是卷积。在卷....

图2-2三元组Figur七2，ZT石ad

Ｌｒ＾ｌｊＤｌ征空间的距离较大，说明模型的特征提取能力不好，当Ｙ＝０时，似，剩余损失函数部分见公式（２－６）：??Ｌ〇?＝?（１?－?Ｙ）?ｍａｘ?（ｍ?－?＾，?〇）２相似样本的特征在特征空间的距离小，相应损失值为加大，满足网要求。??）三元组损失，三元组损失输入是一个三元组，....

图３－１人体部件检测网络??

ＩｄｅｎｔｉｆｉＣａｔｉ〇ｎ［４４］启发，多粒度局部特征可以显著提升算法识别性能。最终本文提出??一种基于ＲＰＮ的人体部件检测网络，设有三个分支，其中每个分支对应一种粒度??的人体部件，网络结构如下图３－１所示。??｜ｉ—ｎ????＾?｜Ａｎｃｈｏｒｓ????．．．．．．．．?—....

本文编号：3986561