行人重識別的目的是在不同位置和不同攝像機(jī)拍攝到的行人中識別出相同的行人。由于行人容易受到姿態(tài)、照明、背景以及遮擋等方面的影響,使得行人重識別方法在本質(zhì)上具有挑戰(zhàn)性。為了提高行人重識別的性能,本文對行人重識別方法進(jìn)行了研究,主要的研究內(nèi)容可以概括為以下兩個方面:(1)基于深度多視圖特征距離融合原理,提出了一種新的行人重識別方法。該方法通過利用傳統(tǒng)特征和深度特征的相互協(xié)作來提高行人重識別的識別精度。首先,將滑框技術(shù)應(yīng)用在卷積層,對卷積特征進(jìn)行不同尺度的處理,得到一種新的低維的深度區(qū)域聚合特征向量,新得到的卷積特征維數(shù)等于卷積層的通道數(shù);其次,在使用交叉視圖二次判別分析距離度量方法的基礎(chǔ)上,將深度區(qū)域聚合特征和手工特征進(jìn)行融合,提出了一種多視圖特征距離學(xué)習(xí)的算法;最后,利用加權(quán)融合策略來完成深度區(qū)域聚合特征和傳統(tǒng)手工特征之間的協(xié)作。大量的實(shí)驗(yàn)數(shù)據(jù)表明通過距離加權(quán)融合之后行人重識別的精度明顯高于基于單一的特征距離度量取得的識別結(jié)果,并且證明了所提的深度區(qū)域特征和算法模型的有效性。(2)考慮不同層次的卷積特征的更多互補(bǔ)優(yōu)勢,基于多尺度卷積特征融合特性,提出了一種新的行人重識別方法。在訓(xùn)練階段,使...

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 前言
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于手工特征的行人重識別
        1.2.2 基于深度學(xué)習(xí)的行人重識別
    1.3 論文主要研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
2 行人重識別研究概述
    2.1 行人重識別系統(tǒng)概要
    2.2 卷積神經(jīng)網(wǎng)絡(luò)在行人重識別的應(yīng)用
    2.3 行人重識別數(shù)據(jù)庫
    2.4 行人重識別的算法評價指標(biāo)
    2.5 本章小結(jié)
3 基于深度多視圖特征距離學(xué)習(xí)的行人重識別
    3.1 區(qū)域特征聚合方法
    3.2 局部最大特征的提取
    3.3 多特征距離學(xué)習(xí)
        3.3.1 XQDA距離度量
        3.3.2 加權(quán)融合策略
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 加權(quán)參數(shù)的選擇
        3.4.2 微調(diào)策略分析
        3.4.3 與其他算法結(jié)果對比
    3.5 本章小結(jié)
4 基于多尺度卷積特征融合的行人重識別
    4.1 優(yōu)化的Resnet-50 神經(jīng)網(wǎng)絡(luò)
        4.1.1 數(shù)據(jù)預(yù)處理
        4.1.2 損失函數(shù)
        4.1.3 學(xué)習(xí)率
        4.1.4 訓(xùn)練過程
    4.2 基于Resnet-50 神經(jīng)網(wǎng)絡(luò)的特征提取
        4.2.1 池化策略
        4.2.2 多尺度卷積特征提取
    4.3 重排序策略
    4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間主要研究成果



本文編號：3865498