多視圖稀疏融合與多尺度注意力的車輛重識(shí)別方法研究
發(fā)布時(shí)間:2024-06-06 01:41
作為國家“十三五”規(guī)劃重點(diǎn)產(chǎn)業(yè)布局,“智慧交通”已上升為“搶占新一輪信息技術(shù)革命制高點(diǎn)的戰(zhàn)略任務(wù)”。為此,全國部署了千萬級(jí)數(shù)量的視頻監(jiān)控終端,如何在海量的交通視覺大數(shù)據(jù)中,挖掘和利用深層信息是智慧交通建設(shè)急需解決的問題。車輛重識(shí)別的任務(wù)是在車輛號(hào)牌信息不可用的情況下,從無重疊視域的跨攝像機(jī)視頻監(jiān)控系統(tǒng)中,判斷其中一個(gè)攝像機(jī)下出現(xiàn)的車輛是否出現(xiàn)在了另一個(gè)攝像機(jī)拍攝的場(chǎng)景之下,最終在整個(gè)監(jiān)控系統(tǒng)中獲得行車軌跡。車輛重識(shí)別技術(shù)在一定程度上可以緩解海量數(shù)據(jù)與不足人工之間的矛盾,因此在智慧交通領(lǐng)域具有重要的應(yīng)用價(jià)值,對(duì)公共安防、智能監(jiān)控、無人駕駛等行業(yè)的發(fā)展具有推動(dòng)作用。然而車輛重識(shí)別技術(shù)的實(shí)際應(yīng)用還存在著諸多挑戰(zhàn):(1)由于復(fù)雜的監(jiān)控場(chǎng)景,監(jiān)控探頭自身屬性差異,監(jiān)控場(chǎng)景中的光照變化等因素,相同車輛的不同圖像間存在較大差異,因而需要提取出對(duì)光照變化,角度差異等因素具有魯棒性的車輛特征。(2)由于車輛是剛體結(jié)構(gòu),廣泛存在同款車的情況,即不同的車輛具有極為相似的外觀,因而需要提取出具有判別性細(xì)節(jié)的車輛特征。(1)為了一定程度上擺脫光照,角度,遮擋等因素的干擾,獲取更魯棒的特征來描述車輛,本文提出了基...
【文章頁數(shù)】:66 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景與意義
1.2 研究現(xiàn)狀
1.3 本文的工作與安排
第二章 車輛重識(shí)別方法簡(jiǎn)介
2.1 車輛重識(shí)別數(shù)據(jù)集簡(jiǎn)介
2.2 基于特征學(xué)習(xí)的車輛重識(shí)別方法
2.2.1 僅使用外觀信息的特征學(xué)習(xí)方法
2.2.2 利用輔助信息的特征學(xué)習(xí)方法
2.3 基于度量學(xué)習(xí)的車輛重識(shí)別方法
第三章 基于稀疏融合的多視圖車輛重識(shí)別研究
3.1 引言
3.2 基于拉普拉斯約束的關(guān)聯(lián)稀疏融合多視圖
3.2.1 多視圖深度特征學(xué)習(xí)
3.2.2 基于拉普拉斯約束的關(guān)聯(lián)稀疏排序
3.2.3 擴(kuò)展交叉鄰域重排序
3.3 實(shí)驗(yàn)結(jié)果與分析
3.3.1 數(shù)據(jù)集與主流方法介紹及評(píng)估度量
3.3.2 實(shí)驗(yàn)結(jié)果分析
3.3.3 組成成分分析
3.3.4 參數(shù)分析
3.4 本章小結(jié)
第四章 基于多尺度注意力機(jī)制的車輛重識(shí)別研究
4.1 引言
4.2 基于多尺度注意力機(jī)制的車輛重識(shí)別網(wǎng)絡(luò)
4.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
4.2.2 多尺度機(jī)制
4.2.3 空間通道注意力模塊
4.2.4 訓(xùn)練細(xì)節(jié)
4.3 實(shí)驗(yàn)結(jié)果與分析
4.3.1 數(shù)據(jù)集與主流方法介紹及評(píng)估度量
4.3.2 實(shí)驗(yàn)結(jié)果分析
4.3.3 組成成分分析
4.3.4 參數(shù)分析
4.4 本章小結(jié)
第五章 總結(jié)與展望
5.1 工作總結(jié)
5.2 未來展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間參與的科研項(xiàng)目
攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果
致謝
本文編號(hào):3990114
【文章頁數(shù)】:66 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景與意義
1.2 研究現(xiàn)狀
1.3 本文的工作與安排
第二章 車輛重識(shí)別方法簡(jiǎn)介
2.1 車輛重識(shí)別數(shù)據(jù)集簡(jiǎn)介
2.2 基于特征學(xué)習(xí)的車輛重識(shí)別方法
2.2.1 僅使用外觀信息的特征學(xué)習(xí)方法
2.2.2 利用輔助信息的特征學(xué)習(xí)方法
2.3 基于度量學(xué)習(xí)的車輛重識(shí)別方法
第三章 基于稀疏融合的多視圖車輛重識(shí)別研究
3.1 引言
3.2 基于拉普拉斯約束的關(guān)聯(lián)稀疏融合多視圖
3.2.1 多視圖深度特征學(xué)習(xí)
3.2.2 基于拉普拉斯約束的關(guān)聯(lián)稀疏排序
3.2.3 擴(kuò)展交叉鄰域重排序
3.3 實(shí)驗(yàn)結(jié)果與分析
3.3.1 數(shù)據(jù)集與主流方法介紹及評(píng)估度量
3.3.2 實(shí)驗(yàn)結(jié)果分析
3.3.3 組成成分分析
3.3.4 參數(shù)分析
3.4 本章小結(jié)
第四章 基于多尺度注意力機(jī)制的車輛重識(shí)別研究
4.1 引言
4.2 基于多尺度注意力機(jī)制的車輛重識(shí)別網(wǎng)絡(luò)
4.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
4.2.2 多尺度機(jī)制
4.2.3 空間通道注意力模塊
4.2.4 訓(xùn)練細(xì)節(jié)
4.3 實(shí)驗(yàn)結(jié)果與分析
4.3.1 數(shù)據(jù)集與主流方法介紹及評(píng)估度量
4.3.2 實(shí)驗(yàn)結(jié)果分析
4.3.3 組成成分分析
4.3.4 參數(shù)分析
4.4 本章小結(jié)
第五章 總結(jié)與展望
5.1 工作總結(jié)
5.2 未來展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間參與的科研項(xiàng)目
攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果
致謝
本文編號(hào):3990114
本文鏈接:http://www.lk138.cn/kejilunwen/daoluqiaoliang/3990114.html
最近更新
教材專著