导　　师： 韩国强

授予学位： 硕士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 行人重识别是在无重叠视野的多目视频监控环境中,利用已有的从某摄像机捕获的目标行人的图像,去识别该行人在其他摄像机视野下的所有图像的计算机视觉任务,作为智能视频监控领域的一个极具挑战的课题,近年来受到计算机视觉领域学者的广泛关注。在当前的公共视频监控环境中,行人图像普遍存在拍摄视角多样、行人姿态各异、背景复杂、光照变化明显、互相遮挡严重等特点,给问题的解决带来了较大的困难。早期的重识别研究工作主要聚焦于颜色、纹理、显著度等特征的手工设计以及距离度量的学习,最近几年兴起的基于深度学习的行人重识别方法则将特征提取和度量学习整合进统一的框架,以得到整体优化的行人重识别模型。为了提取有区分度的重识别特征,克服拍摄视角多样与空间不对齐带来的行人外观跨视野差异造成的匹配困难,本文提出了一种基于卷积神经网络与朝向姿态信息的行人重识别方法,其中卷积神经网络具有自动学习有区分度的图像特征的优势,行人朝向姿态信息起到提取有效局部部位特征的作用。整个重识别流程包含三个阶段:(1)预处理阶段,根据本文设计的三通道行人朝向识别网络获取行人朝向信息,行人朝向包括正面、背面、左面、右面四个类别,同时利用姿态估计方法卷积姿态机获取行人姿态信息,行人姿态定义为图像中人体的14个关节点坐标位置;(2)训练阶段,将原始图像、姿态定位的各个局部部位图像分别输入卷积神经网络,训练能够提取具有个体区分度的行人全局特征与各个局部部位特征的网络模型。(3)重识别阶段,根据图像对的朝向组合对不同局部部位特征进行多策略加权,然后与全局特征级联组成重识别特征,计算不同图像对之间的余弦距离,按照距离大小进行排序,得到匹配结果。本文对两个较大行人重�

关 键 词： 行人重识别 卷积神经网络 朝向识别 姿态估计

领　　域： [] []