發(fā)布時間：2024-05-30 20:52

　　隨著公共場所下監(jiān)控攝像頭的普及,視頻監(jiān)控逐漸成為了目前公共安全管理領(lǐng)域的一種非常重要的應(yīng)用,對于社會安全保障起著尤為重要的作用。但是目前公共場所中的監(jiān)控系統(tǒng)通常布置有成百上千個攝像頭,產(chǎn)生大量的視頻數(shù)據(jù),而在海量數(shù)據(jù)中通過人工進(jìn)行人員搜索困難巨大。因此,本文以智能化的人員搜索為主要研究內(nèi)容,針對利用圖像和文本進(jìn)行人員搜索的任務(wù),分別提出了一種基于隨機(jī)線性插值的行人再識別方法和一種嵌入相似性排名損失函數(shù)的人員搜索方法。在本文研究工作中,有以下三點主要貢獻(xiàn):(1)針對基于圖像的人員搜索任務(wù)(即行人再識別)中數(shù)據(jù)規(guī)模較小,而導(dǎo)致行人再識別的網(wǎng)絡(luò)模型容易產(chǎn)生過擬合的問題,提出了基于隨機(jī)線性插值的數(shù)據(jù)增強(qiáng)方法。該方法在不同樣本間進(jìn)行線性插值以生成大量新的樣本,并保持原始樣本的基本特征。數(shù)據(jù)增強(qiáng)有利于探索有標(biāo)記樣本的近鄰分布情況,利用先驗知識監(jiān)督學(xué)習(xí)來對人員個體進(jìn)行更精準(zhǔn)的識別和搜索。(2)為得到基于文本的人員搜索任務(wù)中不同模態(tài)數(shù)據(jù)間深層特征的統(tǒng)一表達(dá),結(jié)合循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò),提出了多通道神經(jīng)網(wǎng)絡(luò)框架以提取不同模態(tài)數(shù)據(jù)(圖像和文本)在統(tǒng)一特征空間中的表示。(3)為進(jìn)一步優(yōu)化多通道神經(jīng)網(wǎng)絡(luò)框...

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的主要工作
    1.4 組織結(jié)構(gòu)
第二章 相關(guān)工作與技術(shù)基礎(chǔ)
    2.1 圖像特征學(xué)習(xí)(殘差網(wǎng)絡(luò)模型)
    2.2 文本特征學(xué)習(xí)(長短時記憶單元)
    2.3 基于數(shù)據(jù)增強(qiáng)的行人再識別方法
第三章 基于隨機(jī)線性插值的行人再識別方法研究
    3.1 引言
    3.2 基于隨機(jī)線性插值的行人再識別方法
    3.3 實驗設(shè)置與性能評估方法
        3.3.1 數(shù)據(jù)集
        3.3.2 實驗設(shè)置
        3.3.3 參數(shù)敏感性分析與性能評估標(biāo)準(zhǔn)
    3.4 實驗結(jié)果和分析
        3.4.1 基準(zhǔn)模型的對比實驗
        3.4.2 數(shù)據(jù)增強(qiáng)方法對比實驗
        3.4.3 行人再識別方法的對比實驗
    3.5 本章小結(jié)
第四章 嵌入相似性損失函數(shù)的人員搜索方法
    4.1 引言
    4.2 嵌入相似性的排名損失函數(shù)
    4.3 嵌入相似性損失函數(shù)的多通道神經(jīng)網(wǎng)絡(luò)
    4.4 實驗與分析
        4.4.1 數(shù)據(jù)集和評估標(biāo)準(zhǔn)
        4.4.2 網(wǎng)絡(luò)的詳細(xì)參數(shù)
        4.4.3 對比實驗結(jié)果與分析
    4.5 本章小結(jié)
總結(jié)與展望
    總結(jié)
    展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間取得的科研成果
作者簡介



本文編號：3984778