基于深度學(xué)習(xí)的行人再識(shí)別技術(shù)研究.pdf

1、行人再識(shí)別(Person re-identification)技術(shù)是判斷在不同監(jiān)控?cái)z像頭下出現(xiàn)的行人圖像是否屬于同一行人的技術(shù)。面對(duì)海量增長的監(jiān)控視頻，利用計(jì)算機(jī)對(duì)監(jiān)控視頻中的行人進(jìn)行再識(shí)別的需求應(yīng)運(yùn)而生。然而現(xiàn)存的行人再識(shí)別算法主要是在己裁剪好的行人圖片中匹配查找集和候選集，這是不切實(shí)際的，行人的框架在現(xiàn)實(shí)考慮中不可能直接給定，目標(biāo)行人需要在整張圖片中被鎖定。
　　目前，深度學(xué)習(xí)在圖像識(shí)別、語音識(shí)別、自然語言處理等多個(gè)領(lǐng)域取得了

2、優(yōu)異的效果。相比于傳統(tǒng)人工提取特征的方法，深度神經(jīng)網(wǎng)絡(luò)通過從數(shù)據(jù)中自動(dòng)學(xué)習(xí)到更能表征圖像的特征并進(jìn)行分類，更具實(shí)際意義。
　　將深度學(xué)習(xí)應(yīng)用到行人再識(shí)別上已經(jīng)成為當(dāng)前的研究熱點(diǎn)，但是由于目前行人再識(shí)別中如圖像分辨率低、遮擋、光照變化等問題使其離實(shí)際應(yīng)用還有很長的距離。本文總結(jié)了目前一些行人檢測及再識(shí)別的常用特征、算法以及深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并進(jìn)行深入研究和分析。設(shè)計(jì)了一種針對(duì)端到端行人再識(shí)別的預(yù)訓(xùn)練網(wǎng)絡(luò)模型，該模型結(jié)合了驗(yàn)證和分類兩

3、種網(wǎng)絡(luò)結(jié)構(gòu)，并利用空間池化操作對(duì)不同尺度的輸入圖片進(jìn)行特征歸一化。在此基礎(chǔ)上用性能良好的ResNet-50網(wǎng)絡(luò)結(jié)構(gòu)對(duì)端到端的行人再識(shí)別網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)。之后在eaffe深度學(xué)習(xí)框架上訓(xùn)練改進(jìn)的模型并進(jìn)行多組實(shí)驗(yàn)，包括預(yù)訓(xùn)練模型的有效性、不同特征維度對(duì)網(wǎng)絡(luò)模型效果的影響、在不同大小的候選集、低分辨率和遮擋子集下的性能分析，以及與當(dāng)前比較先進(jìn)的算法進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果證明了本文方法訓(xùn)練出來的模型能夠?qū)W習(xí)到具有較高魯棒性的特征，大幅度提高了行人