基于动态对齐的车辆重识别研究

发布时间：2024-05-18 23:04

　　近年来,随着城镇化的发展,车辆变得越来越多,车辆管控愈加充满挑战。同时,随着智慧城市、物联网、大数据和5G等技术的兴起,互联的监控设备越来越多,由此产生了海量的数据,这也为车辆监控、跟踪和识别等带来了便利。因此,肇事车辆追踪、特定车辆识别和社区车辆监控等成为了热门研究课题,而与此相关的车辆重识别问题也愈发受到关注。车辆重识别(Vehicle Re-identification,Vehicle ReID)是一种图像检索技术,目的在于利用计算机视觉技术,从图像或视频序列中跨镜头识别出特定的车辆。目前车牌是车辆识别的最可靠的信息,车牌检测也是在车辆识别中用的最多的方法。然而现实中车牌信息并不总是有效的。由于光照、摄像角度、遮挡和污损等因素的影响,车牌信息有时无法被有效地提取,进而影响到车辆识别精度。车辆重识别通过计算机视觉技术和深度学习来提取和分析车辆的全局特征和局部特征,进而初步地识别出特定车辆。然后,再结合车牌识别和人工识别等方法,可以有效地提高车辆识别的整体效果。这正是车辆重识别的应用价值所在。本文应用动态匹配局部信息(Dynamically Matching Local Inform...

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

图２－丨生物神经元和神经元模型的对比??

?山东大学硕士学位论文???第２章车辆重识别问题的算法设计??２．１深度卷积神经网络??人工神经网络（简称神经网络）是一种模仿动物神经网络行为特征的算法??数学模型神经网络的最基本的单元为神经元模型，它们与生物神经元相??似，神经元之间的互联构成了一个网络模型。１９４３年，Ｗａｒ....

图２－２?—个５层的密集块，增长率为Ａ＝４ｌ４°ｌ??８??

深度卷积神经网络??深度卷积神经网络?网络大小（Ｍ）?显存占用（Ｇ）￣??ＲｅｓＮｅｔ－５０?２４９５?５．６??ＲｅｓＮｅｔ－１０１?４３．９５?７．５??ＲｅｓＮｅｔ－１５２?５９．５９?１０．２??ＤｅｎｓｅＮｅｔ－１２１?７．６８?６．９???ＩｎｃｅｐｔｉｏｎＶ４?４２....

图２－５?ＳＷＡ的学习＾°调整策略的示例图??１４??

参数ｎ／／／。ｓｗａ＿ｓｃｈｅｄｕｌｅ的学习率调节策略公式为：??＇］，?ｉｆ?ｔ?＜?０．５??／?＜－?／?ｘ?Ｊ１?－?（１?－ｒ）｛ｔ?－?０．５）?／?０．４，?ｅｌｉｆ?ｔ?＜?０．９?（２－４）??ｒ，?ｅｌｓｅ??其中，式（２－４）中?０．４、０．５?和?０．９?....

图２－６行人重识别的重排序框架＾??假定对于测试集中的一张图像，若其和Ａ相互近邻中的査询图像近似，??则它是正确匹配的概率更大

图２－５中的纵坐标的学习率是１０倍尺度。１？８０?ｅｐｏｃｈｓ学习率恒定为??０．０００２，８１？丨４４?ｅｐｏｃｈｓ学习率线性衰减，１４５？３００?ｅｐｏｃｈｓ恒定为０．０００１。??２．４算法精度提升策略??２．４．１重排序??对于重识别问题，为了提高实验精度，在算法中加入重....

本文编号：3977387