基于人物属性的行人重识别分析与研究

发布时间：2022-02-10 08:28

　　近年来,随着社会的发展以及人们对于公共安全的关注,越来越多的监控设备被部署于全球的各大城市。在刑事案件破获,失踪人口搜寻,城市安全管理和社会稳定方面有着非常重要的作用。同时伴随着海量的视频数据,利用计算机对监控设备采集到的视频图像数据进行智能化分析处理的需求与日俱增。行人重识别（Person Re-identification）作为一种重要的智能视频分析技术,其旨在判断不同摄像头下的行人图像是否为同一目标行人,因此受到了国内外科研工作者的广泛关注。然而现有的大多数基于深度学习行人重识别方法主要是在裁剪好的行人图片中匹配查询集和候选集,这与实际应用时面对的全景图差异较大。针对行人重识别目前所存在的问题,本文主要完成了以下三个方面的工作内容:1)在行人重识别的实际应用中,如果对候选图中的所有行人进行手工裁剪,那将会耗费大量的人力,因此使用行人检测算法成为了必然。而在之前的许多工作中人们都是将行人检测和行人重识别分成了两个独立的研究部分。本文为了在提高行人检测精度的同时还能获得更好的重识别率,提出了一种基于行人检测的一体化行人重识别框架。将行人检测和行人重识别两部分整合到了同一个深度卷积神经... 

【文章来源】：合肥工业大学安徽省211工程院校教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

行人重识别的技术流程

会对行人重识别问题和深度学习技术做更进础基础框架们提到了行人重识别任务就是指在给定了一行人图片库中找到相对应的目标人物，与一具体的基本流程框架如下图 2.1 所示，在进行行人图像的查询行人图像集（Query={1q ,2q 候选行人图像集（Gallery={1g ,2g , ... ,mg }）然后我们分别计算查询行人和每个候选行人离从小到大进行排序，并将距离最小的查询1,2,...( ) argmin ( , )ii NI q d q g 询图像，ig 表示为第i个候选行人图像， d (.,的行人图像。

整为了 128x48 像素的大小。总的来说该数据集的特点主要体现为视角和光照样性。作为早期的小型数据集，VIPeR 极大程度地促进了行人重识别研究的，但是随着深度学习的兴起，识别算法的模型复杂度也在不断增加，VIPeR渐地无法再满足科研人员的任务需求，仅被用来检验一些模型在小样本下的能力。香港中文大学的行人重识别研究小组于 2012 年，2013 年和 2014 年分别推 CUHK01[24]、CUHK02[25]和 CUHK03[26]三个行人数据集。其中 CUHK01 包 971 个行人的 3884 张行人图片。在两个不同的摄像头下每个行人都分别有相的两张图片，并且所有行人图像的像素为 160x60。CUHK02 则是 CUHK01 的数据集。除了 CUHK01 中的相机对，它还额外地增加了四对不同的相机视角数据集总共包含有 7264 张行人图像。CUHK03 行人数据集采集自于校园内的(5 对)不同的摄像头下的 1467 个行人的 13164 张图像。并且该数据集首次引 DPM 行人检测算法结合手工标注来对树皮图像中的行人进行定位与裁剪HUK 数据集的图片数量与质量相比于之前的数据集都有了较大的提升，因此深度学习的重识别模型也有了适用的数据集。


本文编号：3618578