基于多粒度特征结合的遮挡行人重识别研究.pdf

目录

摘要I

ABSTRACTII

第一章绪论1

1.1研究背景及意义1

1.2国内外研究现状2

1.2.1非遮挡场景下的行人重识别2

1.2.2遮挡场景下的行人重识别4

1.3研究内容与创新点5

1.4本文组织结构7

第二章相关知识8

2.1ResNet50网络8

2.2Transformer网络11

2.3Swin-Transformer网络13

2.4评价指标14

2.5本章小结14

第三章基于分组姿态估计遮挡生成的行人重识别15

3.1概述15

3.2网络构建及训练优化15

3.2.1全局分支16

3.2.2局部分支16

3.2.3遮挡抑制分支18

3.2.4训练优化策略20

3.3实验与分析21

3.3.1数据集介绍21

3.3.2实现细节21

3.3.3实验结果及分析22

3.3.4消融实验24

3.3.5敏感参数分析25

3.4本章小结26

第四章基于多粒度语义原型学习的行人重识别27

4.1概述27

4.2网络构建及训练优化28

4.2.1原型嵌入Transformer编码器28

4.2.2多粒度原型Transformer解码器31

4.2.3目标函数和优化策略34

4.3实验与分析35

4.3.1数据集35

4.3.2执行细节35

4.3.3对比实验与分析36

4.3.4消融实验38

4.3.5参数敏感性分析39

4.4本章小结41

第五章基于异构生成Token和距离感知恢复的行人重识别42

5.1概述42

5.2网络构建及训练优化42

5.2.1整体流42

5.2.2局部流43

5.2.3目标函数和优化策略49

5.3实验与分析49

5.3.1实验设置49

5.3.2实验结果的对比与分析50

5.3.3消融实验52

5.3.4超参数分析53

5.4本章小结55

第六章总结与展望56

6.1全文总结56

6.2未来展望57

参考文献58

致谢65

攻读硕士学位期间的主要成果66

摘要

随着高新技术的发展以及信息时代的到来，日益渐增的公共安全需求推动了视频监控

的高速发展。行人重识别在智慧城市、智能安防、刑事侦查等应用领域有着重要的实践意

义，并在人工智能和计算机视觉领域引起了广泛关注。行人重识别旨在从一系列无重叠的

分布式摄像头捕捉的图像集中检索出目标行人。目前，大多数工作都是基于图像无遮挡的

情况，这在真实世界中是不切实际的。现有的遮挡场景行人重识别面临着以下问题与挑战：

1)遮挡引入大量噪声，干扰行人检索；2)障碍物的存在，影响行人判别特征的提取与表

示；