基于胶囊网络在复杂场景下的行人识别

摘要

大数据环境下,对行人检测的需求度不断提高,然而视频中的信息越来越丰富,视频中所获取的场景也愈加复杂.在如此背景下,目前大多使用卷积神经网络进行识别,但识别率不高.在原有的胶囊网络模型的基础上,增加了两层卷积层并将胶囊维度进行了扩展,同时使用了动态路由迭代算法,提出了一种基于改进胶囊网络的行人识别模型(PRM-ICN),该网络能够更有效地减少复杂背景中多余信息的干扰.实验在TensorFlow框架下使用三个国际知名且有一定难度的公开通用数据集CUHK01、CUHK03和Market-1501上进行验证,并将结果与PRM-AlexNet和PRM-VGG-16两个著名的行人识别网络相对比.实验结果表明在三个数据集上,所提出的网络模型在CMC曲线和MAP指标下都要优于其他两个网络,证明了所提模型在复杂场景下识别效果的优越性.