检索结果-内蒙古大学图书馆

自动化学报 2022年第6期48卷 1457-1468页

作者：杜鹏宋永红张鑫瑶西安交通大学软件学院西安710049 西安交通大学人工智能学院西安710049

行人再识别是实现多目标跨摄像头跟踪的核心技术,该技术能够广泛应用于安防、智能视频监控、刑事侦查等领域.一般的行人再识别问题面临的挑战包括摄像机的低分辨率、行人姿态变化、光照变化、行人检测误差、遮挡等.跨模态行人再识别相... 详细信息

行人再识别是实现多目标跨摄像头跟踪的核心技术,该技术能够广泛应用于安防、智能视频监控、刑事侦查等领域.一般的行人再识别问题面临的挑战包括摄像机的低分辨率、行人姿态变化、光照变化、行人检测误差、遮挡等.跨模态行人再识别相比于一般的行人再识别问题增加了相同行人不同模态的变化.针对跨模态行人再识别中存在的模态变化问题,本文提出了一种自注意力模态融合网络.首先是利用CycleGAN生成跨模态图像.在得到了跨模态图像后利用跨模态学习网络同时学习两种模态图像特征,对于原始数据集中的图像利用SoftMax损失进行有监督的训练,对生成的跨模态图像利用LSR (Label smooth regularization)损失进行有监督的训练.之后,使用自注意力模块将原始图像和CycleGAN生成的图像进行区分,自动地对跨模态学习网络的特征在通道层面进行筛选.最后利用模态融合模块将两种筛选后的特征进行融合.通过在跨模态数据集SYSU-MM01上的实验证明了本文提出的方法和跨模态行人再识别其他方法相比有一定程度的性能提升.

关键词：跨模态行人再识别自注意力跨模态融合 CycleGAN

来源：评论

学校读者我要写书评

暂无评论

跨模态行人再识别技术的研究与实现

跨模态行人再识别技术的研究与实现

引用

作者：张天奇南通大学

学位级别：硕士

随着社会安全意识的提高,越来越多的监控设备在路口、商场、小区、景点等场所中部署,催生了智能安防的蓬勃发展。如今,智能安防领域正朝着全天候、多场景的方向发展,多数监控设备同时配备彩色和红外摄像头,如何从捕获的彩色和红外图像... 详细信息

随着社会安全意识的提高,越来越多的监控设备在路口、商场、小区、景点等场所中部署,催生了智能安防的蓬勃发展。如今,智能安防领域正朝着全天候、多场景的方向发展,多数监控设备同时配备彩色和红外摄像头,如何从捕获的彩色和红外图像中寻找特定的行人已成为智能安防的研究热点。跨模态行人再识别(Visible-Infrared Person Re-Identification,VI-Re ID)技术能从彩色和红外图像中识别特定行人,为智能安防的全天候发展提供有力的技术支持。然而,跨模态差异和模态内部差异仍是跨模态行人再识别的主要问题。本文针对这些问题,设计端到端的特征学习网络GLoC-Net(GlobalLevel and Local-Level Constraints Network,GLoC-Net),并在SYSU-MM01和Reg DB数据集下设计了对比和消融实验,验证本文方案的先进性、有效性和可靠性。不仅如此,本文设计并实现了跨模态行人再识别系统,进一步增强本文方案的实用性。本文的主要工作如下:(1)为缓解跨模态差异,设计了基于双流网络架构的端到端特征学习网络GLoC-Net。该网络结合Res Net50网络和非局部注意力机制,提取富含全局性的彩色模态和红外模态共有特征,将跨模态的识别转化为同种模态间的识别。(2)为缓解模态内部差异,提出了用于约束GLoC-Net的全局级别和局部级别联合约束的损失函数,包含全局级别损失、局部级别损失和特征约束损失。全局和局部级别损失由难样本挖掘三元组损失和身份损失组成,确保全局和局部特征的有效性和可靠性。由于本文以全局特征作为最终采用的特征,本文设计特征约束损失,通过度量全局特征和局部特征间的空间相关性,令全局特征尽可能地与局部特征相近,使全局特征具有局部特征的长处,增加GLoC-Net对背景、遮挡等噪声的鲁棒性。(3)为对GLoC-Net进行性能评价,设计了详细的实验。首先,本文与一些现有方案在SYSU-MM01和Reg DB数据集上进行对比实验,验证本文方案的先进性。接着,本文对所提出的方案进行消融实验,并将局部特征划分策略、特征约束损失权衡参数的选择作分析,验证本文方案的有效性和可靠性。(4)为增加本文所提出方案的应用性,设计并实现了基于GLoC-Net的跨模态行人再识别系统,并展示了可视化界面。该系统能够生成并管理本文所提出方案的模型,并可利用该模型进行跨模态行人再识别任务。

关键词：跨模态行人再识别卷积神经网络残差网络注意力机制联合约束

来源：评论

学校读者我要写书评

暂无评论

基于全局与局部特征联合学习的跨模态行人再识别技术研究

基于全局与局部特征联合学习的跨模态行人再识别技术研究

引用

作者：丁小伟北京邮电大学

学位级别：硕士

近年来,公共安全问题逐渐引起人们的关注,使得智能监控系统在日常生活中起着不可替代的作用,系统中的行人再识别技术也备受关注。目前,行人再识别技术主要从可见光行人图像间的身份匹配进行研究。但是,由于光照、摄像头等因素的影响,基... 详细信息

近年来,公共安全问题逐渐引起人们的关注,使得智能监控系统在日常生活中起着不可替代的作用,系统中的行人再识别技术也备受关注。目前,行人再识别技术主要从可见光行人图像间的身份匹配进行研究。但是,由于光照、摄像头等因素的影响,基于可见光的单模态行人再识别技术无法对红外行人图像进行匹配,因此,如何消除跨模态行人再识别中可见光图像与红外图像间存在的巨大差异并提取具有判别性的行人特征,是本文的主要研究问题。本文为了解决跨模态行人再识别所面临的挑战,提出了基于全局与局部特征联合学习的跨模态行人再识别方法,来挖掘不同模态下行人特征的相似性。为了提取不同模态下更加丰富的低级行人特征,将基本网络的前两个卷积块作为特定模态下的特征提取块,同时为了消除不同模态间差异在前两个卷积块后嵌入了模态差异缓解模块,该模块通过通道注意力所引导的实例归一化对特征图进行重新细化,在保持特征图身份识别能力的同时能极大的减轻模态间差异。为了增强不同模态下行人特征的表达能力,本文提出了局部混合域注意力模块,主要是由通道注意力与空间注意力顺序级联而成,专注于提取具有判别性的局部特征。为了学习跨模态行人再识别不同模态下行人图像的共同特征,本文采用了全局图注意力对模型进行训练,主要是通过将两种模态下相邻节点的特征进行聚合,来提取跨模态的全局共享特征,从而提高了跨模态行人再识别的识别率。本文使用ID损失、三元组损失和中心损失在SYSU-MM01和RegDB数据集上对模型进行优化,整个模型的训练过程采用动态聚合学习策略,实验结果表明,本文所提出的方法在消除模态间差异的同时,使行人特征表达能力显著增强,提高了对目标行人的识别准确率。

关键词：跨模态行人再识别注意力机制局部特征深度学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习跨模态行人再识别系统的研究与实现

基于深度学习跨模态行人再识别系统的研究与实现

引用

作者：程定合肥工业大学

学位级别：硕士

近年来,随着社会流动性增加,智能安防逐渐引起国内外科研学者的重视,而跨模态行人再识别系统是智能安防领域的重要研究课题,国内外科研人员都开展了相关研究,本文在现有成果的基础上进行了优化与改进,旨在深入解决跨模态行人再识别系统... 详细信息

近年来,随着社会流动性增加,智能安防逐渐引起国内外科研学者的重视,而跨模态行人再识别系统是智能安防领域的重要研究课题,国内外科研人员都开展了相关研究,本文在现有成果的基础上进行了优化与改进,旨在深入解决跨模态行人再识别系统的难点与挑战。基于深度学习的跨模态行人再识别系统由两个重要分支组成,分别是行人检测网络和跨模态行人再识别网络,因此,本文的研究课题主要为行人检测和跨模态行人再识别两个方面。本文的主要研究包括以下几个方面。(1)本文深入研究行人检测技术和行人再识别技术的发展历程和理论知识。首先,阐述了多种检测网络算法和基础知识,包括检测网络框架、损失函数和检测后处理模块。其次,介绍了单模态行人再识别算法和跨模态行人再识别算法,并且论述了现有算法的不足与缺陷。最后,在现有成果的基础上,提出了新颖的行人检测网络和跨模态行人再识别网络。(2)本文提出了将Anchor free网络中的经典算法Center Net作为检测分支的基础网络,并且对Center Net进行了改进和优化。首先,改进了Center Net的网络结构,具体来说,通过引入注意力模块提升目标中心点的命中率,避免行人目标被漏检。其次,改进了Center Net网络预测分支的损失函数,旨在提升目标的预测精度,避免非行人目标被误检。(3)本文提出了新颖的双流多层对应融合网络处理跨模态行人再识别任务。首先,提取了多层次特征进行联合学习,从而能够得到具有较强判别性的共性特征。同时将两个模态间同一层次特征进行融合,从而减少模态间的差异。其次,分别对多层次特征进行相应的细粒度分割,以便于捕获关键细节信息。最后,由于双流网络有多个分支,为了避免某个分支主导网络优化,引入了多任务学习,平衡各个分支的作用,促使模型得到更彻底地优化。

关键词：深度学习跨模态行人再识别行人检测 Anchor free检测网络注意力模块多任务学习

来源：评论

学校读者我要写书评

暂无评论

基于混合学习网络的跨模态行人再识别方法研究

基于混合学习网络的跨模态行人再识别方法研究

引用

作者：朱光普沈阳工业大学

学位级别：硕士

行人再识别技术指的是利用计算机视觉技术判断视频序列或者图像中是否存在特定行人的技术,它是一个图像检索的子问题。行人再识别技术是通过给定一个监控行人图像,检索跨设备下该行人图像的技术。但是由于在黑暗情况下摄像系统会自动从... 详细信息

行人再识别技术指的是利用计算机视觉技术判断视频序列或者图像中是否存在特定行人的技术,它是一个图像检索的子问题。行人再识别技术是通过给定一个监控行人图像,检索跨设备下该行人图像的技术。但是由于在黑暗情况下摄像系统会自动从可见态切换到红外态,基于RGB-RGB的行人再识别技术就不能满足该需求,所以基于IR-RGB的跨模态行人再识别的研究越来越受到关注。现有的跨模态行人再识别方法大都注重提取两模态的共同特征,忽略了RGB与IR模态特有特征信息的提取。基于此,本文提出了一种混合学习网络,通过双流权重不共享分支与双流权重部分共享分支混合学习以解决模态特有特征的学习问题;同时利用图卷积注意力机制和粒度特征学习来丰富不同分支分类器输入的信息,从而提高特征的可辨别性。并在跨模态数据集SYSU‐MM01上进行了相应的实验,实验结果表明了提出的方法以及相关模块的有效性。本文的创新点主要是以下三点:(1)设计了一种基于混合学习网络模型的跨模态行人再识别方法。本文提出的混合学习网络不仅学习两模态的共享特征,还学习了两模态的特有特征,从两个方面提取特征信息,将两模态中对识别有效的特征进行更全面的提取。(2)在混合学习网络模型的基础上,利用图卷积注意力机制处理模态差异。针对提取出的两模态特征表示之间存在的模态差异问题,本文在双流权重部分共享分支加入了图卷积注意力,使其聚合相同id的跨模态特征,专注于减少模态间差异,而且不会更多利用人的外观或结构来判别特征信息。(3)在混合学习网络模型的基础上,利用粒度特征模块丰富分类器输入的信息,从而提高特征的可辨别性。针对网络模型提取的特征表示不够全面的问题,本文在双流权重不共享分支加入了粒度特征模块,使用一定的方式来提取粗、细粒度特征,并通过对特征进行分块处理,以针对人体不同部位的特征信息匹配,再对每一个分块的部分进行独立的分类操作,从而提高特征表示。

关键词：跨模态行人再识别混合学习网络图卷积注意力粒度特征

来源：评论

学校读者我要写书评

暂无评论

面向RGB-Infrared的跨模态行人再识别算法研究

面向RGB-Infrared的跨模态行人再识别算法研究

引用

作者：高雅君北京交通大学

学位级别：硕士

行人再识别技术是一项在非重叠监控摄像头下识别行人身份的图像检索任务,被广泛应用于智能监控安防系统中。在封闭世界设置下,现有的行人再识别算法针对单模态的可见光行人图像进行检索,性能表现优秀,然而在开放世界设置下,算法需要在... 详细信息

行人再识别技术是一项在非重叠监控摄像头下识别行人身份的图像检索任务,被广泛应用于智能监控安防系统中。在封闭世界设置下,现有的行人再识别算法针对单模态的可见光行人图像进行检索,性能表现优秀,然而在开放世界设置下,算法需要在可见光RGB图像和红外Infrared图像之间检索相同行人,难度更大。具体来说,面向RGB-Infrared的跨模态行人再识别任务面临着两个挑战,一方面,不同模态下的图像颜色等视觉信息无法对齐,造成图像模态差异显著,另一方面,真实开放环境中存在背景杂乱、重叠遮挡、姿势形变等负面干扰,造成行人表观变化剧烈。为了解决上述挑战,亟需构建算法模型实现模态差异的有效消除,提取更具鉴别性的稳定语义表征。因此,本文以提升跨模态行人再识别精度为主要目的,提出了以下两种算法:(1)基于多特征空间联合优化的跨模态行人再识别算法为消除图像模态差异的鸿沟,本文提出多特征空间联合优化网络,有效学习单模态特征空间和公共特征空间的模态共享特征。首先,根据边缘信息具有模态不变性的观察,提出一种边缘特征增强模块对每个单模态特征空间进行显式优化。具体地,设计感知边缘特征损失约束浅层网络自主保留更多边缘信息,增强模态共享特征。此外,为增加跨模态距离和类距离的差异,在公共特征空间的跨模态联合约束中引入跨模态对比中心损失。感知边缘特征损失和跨模态对比中心损失共同对网络进行端到端优化,大量实验表明,所提算法大幅提升了基准模型在SYSU-MM01数据集和Reg DB数据集上的性能。(2)基于稳定语义提取的跨模态行人再识别算法在上述消除模态差异的基础上,为解决行人表观变化剧烈带来的干扰,本文进一步提出基于稳定语义提取的跨模态行人再识别算法,建立跨模态图像之间更稳定的匹配关系。首先,基于人类识别图像的眼动研究,提出弱语义细粒度化增强模块以引导算法学习细粒度行人表征。同时,引入反事实推理优化语义质量。可视化结果证明该模块能够挖掘更多行人细节信息。此外,为提高算法提取模态无关表征的能力,提出模态语义消除模块。具体地,基于相互平均教学框架,构建多个区分模态的分类器,约束不同分类器的预测结果分布差异最小,实现模态差异的消除。大量实验证明,所提出的算法显著优于大多数现有方法。

关键词：跨模态行人再识别多特征空间联合优化稳定语义提取弱语义增强模态语义消除

来源：评论

学校读者我要写书评

暂无评论

基于全局和局部特征的跨模态行人再识别方法

引用

智能计算机与应用 2022年第9期12卷 17-26页

作者：袁瑞超胡晓光杨世欣中国人民公安大学信息网络安全学院北京102600 中国人民公安大学侦查学院北京102623

跨模态行人再识别是对同一行人的可见光图像和红外图像之间进行匹配和识别,相对于单模态行人再识别的难度进一步加大。本文采用循环生成对抗网络(Cycle GAN)转换和扩充数据集,尽可能减少行人体态变化带来的影响;在ResNet50网络的基础上... 详细信息

跨模态行人再识别是对同一行人的可见光图像和红外图像之间进行匹配和识别,相对于单模态行人再识别的难度进一步加大。本文采用循环生成对抗网络(Cycle GAN)转换和扩充数据集,尽可能减少行人体态变化带来的影响;在ResNet50网络的基础上引入全局特征对比模块和局部特征模块,减少图像噪声和行人遮挡带来的影响;将交叉熵损失和改进的三元组损失以比例加和的形式作为多损失联合函数,对网络监督训练。实验结果表明,该方法的平均精确度均值和前十位命中率都达到了较高的水平,优于当前多数方法。

关键词：跨模态行人再识别循环生成对抗网络全局特征对比模块多损失联合函数

来源：评论

学校读者我要写书评

暂无评论

行人再识别技术研究进展

引用

中国图象图形学报 2023年第6期28卷 1829-1862页

作者：张永飞杨航远张雨佳豆朝鹏廖胜才郑伟诗张史梁叶茫晏轶超李俊杰王生进北京航空航天大学计算机学院北京100191 北京航空航天大学虚拟现实技术与系统全国重点实验室北京100191 清华大学电子系北京100084 北京信息科学与技术国家研究中心北京100084 起源人工智能研究院阿布扎比5151阿拉伯联合酋长国中山大学计算机学院广州510006 北京大学计算机学院北京100871 武汉大学计算机学院武汉430072 上海交通大学人工智能研究院教育部人工智能重点实验室上海200240

行人再识别通过大时空范围内跨摄像机目标行人图像的检索与匹配,可实现人脸等生物特征失效情况下的行人关联,已成为智能视频监控系统的关键环节和支撑技术,并在智慧公安、智慧城市等国民经济建设中发挥了重要作用。近年行人再识别技术... 详细信息

行人再识别通过大时空范围内跨摄像机目标行人图像的检索与匹配,可实现人脸等生物特征失效情况下的行人关联,已成为智能视频监控系统的关键环节和支撑技术,并在智慧公安、智慧城市等国民经济建设中发挥了重要作用。近年行人再识别技术吸引了越来越多的关注,并取得了快速发展与进步。本文在对行人再识别技术进行简介的基础上,面向行人再识别的技术发展和落地应用需求与挑战,总结分析遮挡行人再识别、无监督行人再识别、虚拟数据生成、域泛化行人再识别、换装行人再识别、跨模态行人再识别和行人搜索等热点方向的前沿进展,归纳其发展现状和存在问题,最后对行人再识别技术的发展趋势进行展望。希望通过总结和分析,能够为研究人员开展行人再识别相关研究、推动行人再识别技术进步提供参考。

关键词：智能视频监控遮挡行人再识别无监督行人再识别虚拟数据生成域泛化行人再识别换装行人再识别跨模态行人再识别行人搜索

来源：评论

学校读者我要写书评

暂无评论

基于相似性学习的实际场景行人再识别研究

基于相似性学习的实际场景行人再识别研究

引用

作者：方苏合肥工业大学

学位级别：硕士

近年来,随着人们公共安防意识的提高,智能监控系统在安防领域中发挥着越来越重要的作用,系统中关键的行人再识别技术也备受关注。该技术的核心思想是对出现在跨摄像头中特定的行人进行身份匹配。将该技术应用在实际场景下面临着一些挑战... 详细信息

近年来,随着人们公共安防意识的提高,智能监控系统在安防领域中发挥着越来越重要的作用,系统中关键的行人再识别技术也备受关注。该技术的核心思想是对出现在跨摄像头中特定的行人进行身份匹配。将该技术应用在实际场景下面临着一些挑战,一方面由于光照条件的影响,跨模态行人再识别利用近红外摄像机拍摄出不同模态下的行人图片,另一方面由于在实际场景下摄像头会拍摄出大量没有标签的行人图片。基于这两个实际场景,如何提取不同模态下行人图片的相似性,以及如何对没有标签行人图片之间的相似性进行建模,是本文的两个主要研究问题。本文的主要研究内容和贡献如下:1.针对由于光照影响的跨模态行人再识别问题,提出了一种基于区域特征对比网络的跨模态行人再识别方法,来挖掘不同模态下的行人特征间的相似性。区域特征对比网络使用伴随Gated Recurrent Unit(GRU)的循环注意力模型,利用端到端的方式选择性地学习不同模态下的行人图像,通过不同时间步长来比较行人图像的不同部位,生成局部判别性特征,获得不同模态之间的相似度。并且选取相似度高的区域注意力特征图进行融合,得到整体特征图,使用跨模态三元组损失进行相似性度量,最大限度地减少类内差异。实验表明,与基准算法相比,该算法在跨模态数据集上实现了较高的识别率,证明了该算法的有效性。2.针对没有图片真实标签的无监督行人再识别问题,提出了基于全局特征多分类与局部特征相似性的无监督行人再识别方法,从全局与局部两个特征尺度上对行人图像进行建模。全局特征多分类模块使用记忆分类器来预测整个训练集中具有相似标签的行人图像,从而对全局特征分配多种不同的标签。针对相似度高的非同类样本,使用全局特征多分类损失,实现扩大类间差异和提升类内图像的相似度。为了辅助全局特征之间的相似性度量,局部特征相似性模块利用图卷积网络来构建训练集行人图像中不同身体部位之间的内在关系,通过余弦距离使得相似标签的同类样本距离更近。并将全局特征和局部特征进行融合,利用不同层次特征的互补性,有效增强了行人特征的表达能力,从而提高无监督行人再识别模型的泛化性。实验表明,该算法在两个具有代表性数据集上得到了较高的识别率。证明了该算法的有效性。

关键词：跨模态行人再识别无监督行人再识别注意力模型特征融合相似性学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：