發(fā)布時(shí)間：2024-03-13 22:19

　　科學(xué)技術(shù)的快速發(fā)展和社會形態(tài)的快速變化,使得人們對公共安全的重視程度越來越高。大量的視頻監(jiān)控設(shè)備安放在人流密集的公共場所,這對于刑事案件偵破、失蹤人口追蹤、城市治安管理起著重要作用。行人重識別作為視頻分析的重要技術(shù)手段,旨在從不同視域下檢索并匹配檢測目標(biāo)是否為同一行人�，F(xiàn)實(shí)場景中,由于受到拍攝角度、光照、遮擋、背景等因素影響,拍攝的行人圖像也千差萬別,因此行人重識別的研究具有很大的挑戰(zhàn)性。目前行人重識別的研究主要從兩個(gè)思路展開:一是提取具有判別力和魯棒性的深度特征對圖像進(jìn)行表征,二是設(shè)計(jì)合理有效的距離度量函數(shù)對深度特征進(jìn)行辨別。本文同時(shí)從這兩方面著手,并結(jié)合深度學(xué)習(xí)技術(shù)來設(shè)計(jì)有效的行人重識別算法。為了完整地刻畫行人圖像,本文設(shè)計(jì)了基于注意力和屬性學(xué)習(xí)的行人重識別算法模型(SJ-AAN),該模型為雙分支結(jié)構(gòu),能夠從不同層面對行人圖像進(jìn)行表征。主要?dú)w納為兩個(gè)方面:(1)基于全局的深度注意力特征,本文通過將注意力機(jī)制融入到深度卷積神經(jīng)網(wǎng)絡(luò)中,構(gòu)成網(wǎng)絡(luò)的注意力分支,注意力分支通過模型迭代更新,自適應(yīng)地關(guān)注圖片中行人所在的顯著性區(qū)域,從而有效降低背景、光照等因素帶來的噪聲;(2)基于局部的語義屬...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 應(yīng)用前景
        1.1.3 研究意義
    1.2 存在的關(guān)鍵問題和挑戰(zhàn)
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 基于特征學(xué)習(xí)的行人重識別方法
        1.3.2 基于度量學(xué)習(xí)的行人重識別方法
        1.3.3 基于視頻序列的行人重識別方法
        1.3.4 基于無監(jiān)督學(xué)習(xí)的行人重識別方法
    1.4 論文的主要研究內(nèi)容
    1.5 論文的結(jié)構(gòu)安排
第2章 行人重識別相關(guān)理論介紹
    2.1 基于深度學(xué)習(xí)的行人重識別框架
    2.2 神經(jīng)網(wǎng)絡(luò)
    2.3 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)
        2.3.2 卷積層
        2.3.3 池化層
        2.3.4 激活層
        2.3.5 全連接層
    2.4 損失函數(shù)
        2.4.1 Soft Max分類損失
        2.4.2 對比損失
        2.4.3 三元組損失
        2.4.4 中心損失
    2.5 注意力機(jī)制
    2.6 本章小節(jié)
第3章 基于注意力和屬性學(xué)習(xí)的有監(jiān)督行人重識別算法
    3.1 算法框架概述
    3.2 注意力分支
        3.2.1 位置注意力模塊
        3.2.2 通道注意力模塊
    3.3 屬性分支
        3.3.1 殘差模塊
        3.3.2 深度殘差網(wǎng)絡(luò)
    3.4 損失函數(shù)
    3.5 本章小節(jié)
第4章 基于雙線性特征嵌入的無監(jiān)督行人重識別算法
    4.1 算法框架概述
    4.2 多模態(tài)雙線性嵌入
        4.2.1 雙線性特征聚合
        4.2.2 空間池化嵌入
    4.3 無監(jiān)督屬性關(guān)聯(lián)學(xué)習(xí)
    4.4 本章小節(jié)
第5章 實(shí)驗(yàn)結(jié)果與分析
    5.1 數(shù)據(jù)集介紹
        5.1.1 Market-1501 數(shù)據(jù)集
        5.1.2 Duke MTMC-re ID數(shù)據(jù)集
    5.2 實(shí)驗(yàn)配置及算法評價(jià)標(biāo)準(zhǔn)
        5.2.1 實(shí)驗(yàn)配置
        5.2.2 算法評價(jià)標(biāo)準(zhǔn)
    5.3 基于注意力和屬性學(xué)習(xí)的有監(jiān)督行人重識別算法實(shí)驗(yàn)分析
        5.3.1 實(shí)驗(yàn)參數(shù)設(shè)置
        5.3.2 基于注意力和屬性學(xué)習(xí)的有監(jiān)督行人重識別算法效果分析
        5.3.3 與其它算法效果比較與分析
    5.4 基于雙線性特征嵌入的無監(jiān)督行人重識別算法實(shí)驗(yàn)分析
        5.4.1 實(shí)驗(yàn)參數(shù)設(shè)置
        5.4.2 基于雙線性特征嵌入的無監(jiān)督行人重識別算法效果分析
        5.4.3 與其它算法效果比較與分析
    5.5 本章小節(jié)
第6章 總結(jié)與展望
    6.1 論文工作總結(jié)
    6.2 未來工作展望
參考文獻(xiàn)
致謝
研究生期間研究成果情況
    1 碩士期間發(fā)表論文情況



本文編號：3927653