基于局部特征的人体重识别技术研究

发布时间：2024-06-07 02:10

　　人体重识别技术是指在不同的时间点,对于出现在两个非重叠摄像机下的行人进行检索和追踪的方法。在机场、地铁站等人员密集场所,基于人体特征的重识别技术有着十分重要的应用价值,受到了越来越多的研究者的关注。对人体重识别技术的研究方法分为有监督和无监督两大类,有监督方法主要包括传统机器学习方法和深度学习方法。本文将结合人体的局部特征,使用深度学习方法对人体重识别技术进行研究。在基于视频数据的人体重识别研究中,大多数基于深度学习的模型方法在提取视频中的行人特征时,处理的数据都是整帧图像序列,所以得到的特征表示是行人的整体特征。为进一步准确描述行人的特征,本文提出了一种基于人体局部特征的空间时序特征混合模型(STFMM),先提取视频序列中不同部位的特征,再利用这些特征构建行人的特征表示。在模型的构建中,首先将原始视频序列水平切割为W个子部位视频序列,然后利用深度学习网络进行各个部位的特征信息提取,最后将各个子部位特征融合到一起作为原始视频序列中行人的特征表示。在数据集iLIDS-VID和PRID-2011上进行了实验验证,实验结果表明所提出的模型在指标CMC rank-1上分别达到了 73.6%和8...

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

较高的行人特征，借以区分不同的行人。根据处理数据的不同，基于行人的身体??特征的人体重识别技术可以分为两类：基于图片的人体重识别和基于视频的人体??重识别。图１－２中列举了一些行人的图片和视频数据，由图中可以看出，无论是图??片数据还是视频数据，其中行人所处的环境都较为复杂，如何....

图２－１?ＣＮＮ映射过程??Ｆｉｇ．?２－１?Ｔｈｅ?ｍａｐｐｉｎｇ?ｐｒｏｃｅｓｓ?ｏｆ?ＣＮＮ??如图２－１所示，ＣＮＮ可以看成一种端到端的函数映射过程，通过学习经过ＣＮＮ??处理得到的输出（Ｏｕｔｐｕｔ）和给定的数据标签（Ｌａｂｅｌ）之间的关系，调整出输入和输出??之间最佳....

Ｆｉｇ．?２－２?Ｔｈｅ?ｕｎｉｔｓ?ｏｆ?ＲＮＮ??Ｎ也可以看成一种端到端的函数映射过程，通过学习经过ＲＮＮ处理的输??据标签之间的关系，调整输入输出之间的映射过程。＿自带的这种循环??能够有效的提取时序数据中的特征信息。??Ｓｉａｍｅｓｅ?网络??ａｍｅｓｅ网络可以看成一种相....

本数量较少，所以考虑到Ｓｉａｍｅｓｅ网络的优点，及网络的可移植性等问题，很多研??究者将Ｓｉａｍｅｓｅ网络融入到人体重识别模型中来。现阶段研究者提出了很多基于??Ｓｉａｍｅｓｅ网络的模型方法，其中主流的两种模型框架如图２－４所示。??根据最终处理方式的不同可以将研宄者所提出的模型....

本文编号：3990625