近年來,國家在快速向信息化、智能化的方向發(fā)展,對人工智能技術(shù)的研究顯得尤為重要。計(jì)算機(jī)視覺作為其重要組成部分,在智能監(jiān)控、無人駕駛、智慧交通等領(lǐng)域有廣泛的應(yīng)用價值。而行人作為視覺中最值得關(guān)注的對象之一,國內(nèi)外學(xué)者對其進(jìn)行了大量的研究。為了實(shí)現(xiàn)監(jiān)控場景下的行人重識別任務(wù),同時提升行人檢測的速度與行人重識別的精度,本文就智能監(jiān)控下的行人檢測與重識別問題展開研究,主要工作如下:（1）為了能夠快速準(zhǔn)確地檢測出監(jiān)控圖像中的行人目標(biāo),設(shè)計(jì)了一個融合感受野結(jié)構(gòu)的輕量級行人檢測模型。具體地,為了減少模型參數(shù)量,提高行人檢測速度,設(shè)計(jì)了一個卷積層最大通道數(shù)僅有256的輕量級特征提取網(wǎng)絡(luò),用于提取圖像中有效的特征;此外,為了提高模型檢測精度,在輕量級特征提取網(wǎng)絡(luò)中引入改進(jìn)的感受野組件,以提取判別力更強(qiáng)的特征;最后,為了使模型能夠更加準(zhǔn)確地檢測圖像中大小各異的行人,從特征提取網(wǎng)絡(luò)中選取六個不同尺寸的特征圖,并針對行人形態(tài)分布特點(diǎn)為每個特征圖設(shè)計(jì)不同的錨點(diǎn)框,進(jìn)行類別預(yù)測與位置預(yù)測。實(shí)驗(yàn)結(jié)果表明,該模型不僅能夠準(zhǔn)確地檢測圖像中的行人,還在一定程度上提高現(xiàn)有目標(biāo)檢測模型的檢測速度。（2）為了解決行人圖像之間的匹... 

【文章來源】：河南大學(xué)河南省

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

行人檢測模型檢測結(jié)果可視化

第4章多粒度行人重識別模型53（e）（f）（g）（h）圖4-10行人重識別模型結(jié)果可視化在圖4-10中，每一行最左側(cè)一幅圖像為查詢圖像（query），右側(cè)10幅圖像為該模型在數(shù)據(jù)集候選圖像庫（gallery）中找出的與查詢圖像最相似的10個行人圖像，序號為綠色表示與查詢圖像ID相同，序號為紅色則表示與查詢圖像ID不同。從圖4-10可以看出，圖4-10（a）、（b）、（c）、（d）、（e）結(jié)果均正確，圖4-10（f）、（g）、（h）中出現(xiàn)與查詢圖像ID不同的行人，這是因?yàn)閳D4-10（f）中標(biāo)號為“10”、圖4-10（g）中標(biāo)號為“6”和“9”的行人外觀均與其對應(yīng)查詢圖像中的行人外觀十分相似，且行人圖像分辨率較低，導(dǎo)致出現(xiàn)錯誤結(jié)果。而圖4-10（h）中標(biāo)號為“9”和“10”的行人被錯誤匹配，則是因?yàn)樵摬樵儓D像中行人在候選圖像庫中僅有8幅圖像，導(dǎo)致結(jié)果中出現(xiàn)兩幅與其最相似的其他行人圖像。由此可見，本章行人重識別模型具有一定的有效性與可靠性。4.4本章小結(jié)本章設(shè)計(jì)了一種用于解決行人圖像之間匹配問題的多粒度行人重識別模型。由于該模型設(shè)計(jì)了一個多粒度特征提取網(wǎng)絡(luò)，分別從ResNet50主干網(wǎng)絡(luò)的Conv4和Conv5的特征圖上提取不同粒度的全局特征與局部特征，因此，提取的特征信息更全面、判別力更強(qiáng)。此外，由于該模型采取表征學(xué)習(xí)與度量學(xué)習(xí)聯(lián)合的方式，在模型中設(shè)置標(biāo)簽平滑ID損失和Batch-Hard三元組損失進(jìn)行監(jiān)督學(xué)習(xí)，從而使模型能夠?qū)W習(xí)出更優(yōu)的網(wǎng)絡(luò)參

【參考文獻(xiàn)】：
碩士論文
[1]多場景交通視頻目標(biāo)檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 李嘉宸.河南大學(xué) 2019



本文編號：2931082