行人再識(shí)別是一種熱門的計(jì)算機(jī)視覺算法,其利用生活中的監(jiān)控?cái)z像頭拍攝的圖像實(shí)現(xiàn)行人跨區(qū)域再次檢索,即行人跨境追蹤。行人再識(shí)別算法的研究對(duì)于推動(dòng)公共安防事業(yè)的發(fā)展有著重要的意義。由于受到環(huán)境的限制,行人再識(shí)別在實(shí)際應(yīng)用中面臨著一些難題,如:行人對(duì)不齊、背景干擾等。為了提高行人再識(shí)別的準(zhǔn)確率,解決行人再識(shí)別中存在的對(duì)不齊和背景干擾的問題,本研究在常用的水平分割方法的基礎(chǔ)上進(jìn)行改進(jìn),重點(diǎn)研究了基于多粒度特征深度學(xué)習(xí)的行人再識(shí)別算法。本文主要研究?jī)?nèi)容如下:研究人體局部區(qū)域定位算法,來實(shí)現(xiàn)人體上、下半身檢測(cè)。為了提高算法對(duì)于行人圖像上、下半身的檢測(cè)的成功率,同時(shí)提高網(wǎng)絡(luò)對(duì)模糊圖片的檢測(cè)效果,該算法在Yolov1目標(biāo)檢測(cè)算法的基礎(chǔ)上,對(duì)特征提取網(wǎng)絡(luò)進(jìn)行替換、對(duì)網(wǎng)格分割策略進(jìn)行修改、修改網(wǎng)絡(luò)輸入圖像尺寸、加入了數(shù)據(jù)預(yù)處理機(jī)制。通過實(shí)驗(yàn)測(cè)試改進(jìn)前、后的Yolov1算法對(duì)人體上、下半身的檢測(cè)效果,證明所研究的人體局部區(qū)域定位算法比Yolov1擁有更好的人體上、下半身檢測(cè)的效果。為了緩解行人對(duì)不齊和背景干擾問題,對(duì)傳統(tǒng)的水平分割進(jìn)行改進(jìn),提出一種行人特征圖精準(zhǔn)分割方法。該方法利用人體局部區(qū)域定位算法提取的行... 

【文章來源】：沈陽工業(yè)大學(xué)遼寧省

【文章頁數(shù)】：84 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

PC端Market1501數(shù)據(jù)集結(jié)構(gòu)截圖

第3章多粒度特征融合行人再識(shí)別算法47f(x)=max(x,x)（3.14）其中，是一個(gè)很小的參數(shù)，一般取0.001。LeakeyReLU函數(shù)曲線圖如圖3.16所示。圖3.16LeakeyReLU函數(shù)曲線Fig.3.16LeakeyReLUfunctioncurve通過上述對(duì)11卷積層、BN層、激活函數(shù)的分析得到了降維層的結(jié)構(gòu)如圖3.17所示。20481111,1,02048,256convstridepaddinginout====2561125611()()()()()()[][]kkkkkkxExyVarx=+25611卷積層BN層激活函數(shù)102411f(x)=max(x,x)圖3.17降維層結(jié)構(gòu)Fig.3.17Dimensionalityreductionlayerstructure

沈陽工業(yè)大學(xué)碩士學(xué)位論文66圖3.33行人再識(shí)別軟件主界面Fig.3.33Themaininterfaceofthepersonre-identificationsoftware圖3.34檢測(cè)結(jié)果展示Fig.3.34Testresultdisplay從圖3.34可以看出，最右側(cè)的單獨(dú)的一張圖片為目標(biāo)行人圖像，在通過再識(shí)別算法計(jì)算后，可以得到左側(cè)五張排序后的行人圖像。這五張圖像中從左數(shù)第一張為相似度最高的，接下來相似度依次降低。經(jīng)過多次測(cè)試發(fā)現(xiàn)，這款軟件可以很好的對(duì)視頻中的行人進(jìn)行再識(shí)別，同時(shí)說明多粒度特征融合行人再識(shí)別算法在一定程度上可以實(shí)現(xiàn)簡(jiǎn)單的行人再識(shí)別在現(xiàn)實(shí)場(chǎng)景下的應(yīng)用。3.5本章小結(jié)（1）提出了一種多粒度特征融合行人再識(shí)別算法。通過引入人體上、下半身坐標(biāo)分割人體全局特征圖，并融合全局特征、局部上、下半身特征、淺層重疊四分割特征，在一定程度上緩解了行人圖像背景干擾和人體姿態(tài)對(duì)不齊對(duì)識(shí)別準(zhǔn)確率的影響，在

【參考文獻(xiàn)】：
期刊論文
[1]通道互注意機(jī)制下的部位對(duì)齊行人再識(shí)別[J]. 陳巧媛,陳瑩.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2020(08)
[2]基于HSV顏色空間的運(yùn)動(dòng)目標(biāo)識(shí)別[J]. 付長(zhǎng)斐,葉賓,李會(huì)軍.  控制與信息技術(shù). 2020(02)
[3]深度神經(jīng)網(wǎng)絡(luò)中激活函數(shù)的研究[J]. 牟晉娟.  電腦編程技巧與維護(hù). 2019(12)
[4]區(qū)域塊分割與融合的行人再識(shí)別[J]. 蔣建國(guó),楊寧,齊美彬,陳翠群.  中國(guó)圖象圖形學(xué)報(bào). 2019(04)
[5]行人再識(shí)別技術(shù)綜述[J]. 李幼蛟,卓力,張菁,李嘉鋒,張輝.  自動(dòng)化學(xué)報(bào). 2018(09)
[6]行人再識(shí)別研究進(jìn)展綜述[J]. 張建明,羊立,成科揚(yáng).  信息技術(shù). 2017(10)
[7]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[8]常用圖像去噪濾波方法比較分析[J]. 王俊芳,王正歡,王敏.  現(xiàn)代商貿(mào)工業(yè). 2009(16)

碩士論文
[1]基于深度學(xué)習(xí)的脫機(jī)手寫漢字識(shí)別技術(shù)研究[D]. 黃洋.重慶郵電大學(xué) 2019
[2]基于深度學(xué)習(xí)的行人再識(shí)別研究[D]. 何蘭.西安電子科技大學(xué) 2018
[3]基于多屬性融合的行人再識(shí)別研究[D]. 柳茂林.華中科技大學(xué) 2017



本文編號(hào)：3493098