近年來,隨著社會的發(fā)展以及人們對于公共安全的關(guān)注,越來越多的監(jiān)控設(shè)備被部署于全球的各大城市。在刑事案件破獲,失蹤人口搜尋,城市安全管理和社會穩(wěn)定方面有著非常重要的作用。同時伴隨著海量的視頻數(shù)據(jù),利用計算機(jī)對監(jiān)控設(shè)備采集到的視頻圖像數(shù)據(jù)進(jìn)行智能化分析處理的需求與日俱增。行人重識別（Person Re-identification）作為一種重要的智能視頻分析技術(shù),其旨在判斷不同攝像頭下的行人圖像是否為同一目標(biāo)行人,因此受到了國內(nèi)外科研工作者的廣泛關(guān)注。然而現(xiàn)有的大多數(shù)基于深度學(xué)習(xí)行人重識別方法主要是在裁剪好的行人圖片中匹配查詢集和候選集,這與實際應(yīng)用時面對的全景圖差異較大。針對行人重識別目前所存在的問題,本文主要完成了以下三個方面的工作內(nèi)容:1)在行人重識別的實際應(yīng)用中,如果對候選圖中的所有行人進(jìn)行手工裁剪,那將會耗費大量的人力,因此使用行人檢測算法成為了必然。而在之前的許多工作中人們都是將行人檢測和行人重識別分成了兩個獨立的研究部分。本文為了在提高行人檢測精度的同時還能獲得更好的重識別率,提出了一種基于行人檢測的一體化行人重識別框架。將行人檢測和行人重識別兩部分整合到了同一個深度卷積神經(jīng)... 

【文章來源】：合肥工業(yè)大學(xué)安徽省211工程院校教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

行人重識別的技術(shù)流程

會對行人重識別問題和深度學(xué)習(xí)技術(shù)做更進(jìn)礎(chǔ)基礎(chǔ)框架們提到了行人重識別任務(wù)就是指在給定了一行人圖片庫中找到相對應(yīng)的目標(biāo)人物，與一具體的基本流程框架如下圖 2.1 所示，在進(jìn)行行人圖像的查詢行人圖像集（Query={1q ,2q 候選行人圖像集（Gallery={1g ,2g , ... ,mg }）然后我們分別計算查詢行人和每個候選行人離從小到大進(jìn)行排序，并將距離最小的查詢1,2,...( ) argmin ( , )ii NI q d q g 詢圖像，ig 表示為第i個候選行人圖像， d (.,的行人圖像。

整為了 128x48 像素的大小�？偟膩碚f該數(shù)據(jù)集的特點主要體現(xiàn)為視角和光照樣性。作為早期的小型數(shù)據(jù)集，VIPeR 極大程度地促進(jìn)了行人重識別研究的，但是隨著深度學(xué)習(xí)的興起，識別算法的模型復(fù)雜度也在不斷增加，VIPeR漸地?zé)o法再滿足科研人員的任務(wù)需求，僅被用來檢驗一些模型在小樣本下的能力。香港中文大學(xué)的行人重識別研究小組于 2012 年，2013 年和 2014 年分別推 CUHK01[24]、CUHK02[25]和 CUHK03[26]三個行人數(shù)據(jù)集。其中 CUHK01 包 971 個行人的 3884 張行人圖片。在兩個不同的攝像頭下每個行人都分別有相的兩張圖片，并且所有行人圖像的像素為 160x60。CUHK02 則是 CUHK01 的數(shù)據(jù)集。除了 CUHK01 中的相機(jī)對，它還額外地增加了四對不同的相機(jī)視角數(shù)據(jù)集總共包含有 7264 張行人圖像。CUHK03 行人數(shù)據(jù)集采集自于校園內(nèi)的(5 對)不同的攝像頭下的 1467 個行人的 13164 張圖像。并且該數(shù)據(jù)集首次引 DPM 行人檢測算法結(jié)合手工標(biāo)注來對樹皮圖像中的行人進(jìn)行定位與裁剪HUK 數(shù)據(jù)集的圖片數(shù)量與質(zhì)量相比于之前的數(shù)據(jù)集都有了較大的提升，因此深度學(xué)習(xí)的重識別模型也有了適用的數(shù)據(jù)集。


本文編號：3618578