行人重识别
行人重识别的相关文献在2013年到2023年内共计495篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、金属学与金属工艺
等领域,其中期刊论文223篇、会议论文3篇、专利文献285807篇;相关期刊113种,包括电子与信息学报、光电工程、信号处理等;
相关会议3种,包括湖北省计算机学会2013年学术年会、人工智能领域青年学者研讨会、中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会等;行人重识别的相关文献由1283位作者贡献,包括桑农、高常鑫、王洪元等。
行人重识别—发文量
专利文献>
论文:285807篇
占比:99.92%
总计:286033篇
行人重识别
-研究学者
- 桑农
- 高常鑫
- 王洪元
- 殷光强
- 丁贵广
- 杨帆
- 陈科舟
- 余捷全
- 吴晓富
- 常伟
- 张索非
- 朱莹
- 李耶
- 何涛
- 张弛
- 张磊
- 王金
- 罗浩
- 胡瑞敏
- 韩华
- 韩楚楚
- 何小海
- 刘耀文
- 吴俊毅
- 姚灿荣
- 宋健明
- 尹梓睿
- 崔龙
- 张奕豪
- 张杰
- 李华锋
- 李志强
- 李灏
- 李英
- 李革
- 杜新胜
- 杨娟
- 林建武
- 汪荣贵
- 游浩泉
- 熊炜
- 王中元
- 王振宇
- 王文敏
- 王荣刚
- 王鹏
- 聂礼强
- 董胜富
- 薛丽霞
- 袁德胜
-
-
陈利文;
叶锋
-
-
摘要:
为了提高在大量视频监控中寻找目标行人的效率,本文基于行人重识别算法开发了一个智能视频监控系统。该系统使用行人检测算法获取监控视频中的行人图片并裁剪后输入行人重识别算法中,得到行人特征并通过对比来检索行人。经过测试,本系统在6路摄像头下表现良好,能较准确地在视频监控中搜寻目标行人,极大地提高了工作效率。
-
-
朱宽堂;
张建勋;
谭暑秋
-
-
摘要:
能否提取具有区别度的行人特征是行人重识别问题的关键所在.该文在ResNet-50的基础上,提出一种使用多种方法提取特征的多分支网络结构(MMNet).该网络将多种方法以一种巧妙的方式组合起来,从而解决行人姿态变化、部分遮挡等引起的行人判别特征信息缺失问题.在第一个分支中提取行人的全局特征,在第二个分支中使用通道注意力模块提取想要关注的局部特征,在第三个分支中将骨干网络提取的特征水平均匀的分割成不同的块,从而提取出不同粒度的局部特征,接着使用批量难样本三元组损失函数和softmax损失函数联合训练模型.最终使用不同分支提取的特征串联在一起作为最终特征.通过行人的全局特征和多种局部特征相互补充,从而提取出更有区别度的行人特征.算法在Market-1501和DukeMTMC-reID数据集上的平均精度均值和首位命中率分别达到87.7%和95.9%、79.9%和89.2%.试验结果表明,使用多分支网络提取的特征具有互补性,且平均精度均值和首位命中率比大多数行人重识别算法高.
-
-
邵晓雯;
帅惠;
刘青山
-
-
摘要:
行人重识别旨在跨监控设备下检索出特定的行人目标.由于不同的行人可能具有相似的外观,因此要求行人重识别模型能够捕捉到充足的细粒度特征.本文提出一种融合属性特征的行人重识别的深度网络方法,将行人重识别和属性识别集成在分类网络中,进行端到端的多任务学习.此外,对于每张输入图片,网络自适应地生成对应于每个属性的权重,并将所有属性的特征以加权求和的方式结合起来,与全局特征一起用于行人重识别任务.全局特征关注行人的整体外观,而属性特征关注细节区域,两者相互补充可以对行人进行更全面的描述.在行人重识别的主流数据集DukeMTMC-reID和Market-1501上的实验结果表明了本文方法的有效性,平均精度均值(Mean average precision,mAP)分别达到了74.2%和83.5%,Rank-1值分别达到了87.1%和93.6%.此外,在这两个数据集上的属性识别也得到了比较好的结果.
-
-
杨晓宇;
殷康宁;
候少麒;
杜文仪;
殷光强
-
-
摘要:
行人外观属性是区分行人差异的重要语义信息。行人属性识别在智能视频监控中有着至关重要的作用,可以帮助我们对目标行人进行快速的筛选和检索。在行人重识别任务中,可以利用属性信息得到精细的特征表达,从而提升行人重识别的效果。文中尝试将行人属性识别与行人重识别相结合,寻找一种提高行人重识别性能的方法,进而提出了一种基于特征定位与融合的行人重识别框架。首先,利用多任务学习的方法将行人重识别与属性识别结合,通过修改卷积步长和使用双池化来提升网络模型的性能。其次,为了提高属性特征的表达能力,设计了基于注意力机制的平行空间通道注意力模块,它不仅可以在特征图上定位属性的空间位置,而且还可以有效地挖掘与属性关联度较高的通道特征,同时采用多组平行分支结构减小误差,进一步提高网络模型的性能。最后,利用卷积神经网络设计特征融合模块,将属性特征与行人身份特征进行有效融合,以获得更具鲁棒性和表达力的行人特征。实验在两个常用的行人重识别数据集DukeMTMC-reID和Market-1501上进行,结果表明,所提方法在现有的行人重识别方法中处于领先水平。
-
-
齐宝光;
何小海;
卿粼波;
陈洪刚
-
-
摘要:
行人重识别的目的是在跨区域、跨场景的情况下,检索出特定目标行人。由于行人外观可能相似,以及存在姿态变化和遮挡的问题,因此要求行人重识别模型能够捕捉到足够的细节信息。基于此,提出了图像特征融合的行人重识别算法,融合图像的全局特征与局部特征进行目标行人的检索。该算法构建了特征融合的图像通道,由卷积神经网络提取图像的视觉信息,将视觉特征分割为两个分支,分别进行全局特征和局部特征的计算。全局特征关注行人的整体外观,局部特征提供更多的细粒度信息。将所提方法在行人重识别的主流数据集Market1501和DukeMTMC-reID上进行了广泛的实验,证明了该方法的有效性。
-
-
-
汪荣贵;
李懂;
杨娟;
薛丽霞
-
-
摘要:
行人重识别的目标是利用计算机视觉技术在多个摄像头采集的图像序列或视频中识别目标行人,基于监督学习的行人重识别算法虽然提高了目标的识别性能,但难以解决行人重识别中无标注目标域的域内变化问题,从而导致无标注数据检索准确度低。提出一种基于域自适应的无监督行人重识别算法,其主要由ResNet-50骨干网络、跨域特征提取器和用以存储目标域特征的特征库组成。通过跨域特征提取器融合行人样本在特征图与通道方向的特征,以挖掘不同行人重识别数据集间潜在的特征关联关系,同时为无标注目标数据集样本内的特征关联构建特征库,在无任何标注信息的情况下从一个未知数据集学习判别性特征。实验结果表明,该算法在源域DukeMTMC-reID/Market-1501和目标域Market-1501/DukeMTMC-reID的首位命中率相较于ECN算法分别提高8.9和6.8个百分点,能够提高模型在未知数据集上的泛化能力和无监督跨域行人重识别的准确度。
-
-
张晓涵
-
-
摘要:
由于行人重识别面临姿态变化、遮挡干扰、光照差异等挑战,因此提取判别力强的行人特征至关重要.本文提出一种在全局特征基础上进行改进的行人重识别方法,首先,设计多重感受野融合模块充分获取行人上下文信息,提升全局特征辨别力;其次,采用GeM池化获取细粒度特征;最后,构建多分支网络,融合网络不同深度的特征预测行人身份.本文方法在Market1501和DukeMTMC-ReID两大数据集上的mAP指标分别达到83.8%和74.9%.实验结果表明,本文方法有效改进了基于全局特征的模型,提升了行人重识别的识别准确率.
-
-
宋晓茹;
杨佳;
高嵩;
陈超波;
宋爽
-
-
摘要:
针对行人重识别中因遮挡、姿态变化使模型特征无法充分表达行人信息的问题,提出了基于注意力机制与多尺度特征融合的行人重识别方法。首先使用改进的骨干网络R-ResNet50提取图像特征;其次,抽取网络不同尺度的特征层嵌入注意力机制DANet,使模型更关注于重点信息;最后,对提取出的关键特征进行多尺度特征融合,实现特征间的优势互补,并使用联合交叉熵损失、难样本采样三元组损失和中心损失的多损失函数策略对网络模型进行训练。实验结果表明,所提方法在Market1501、DukeMTMC-ReID数据集上的首位命中率Rank-1和平均精度均值mAP分别达到了92.7%、80.4%和86.4%、71.0%,模型提取的特征更具有判别性,识别率更高。
-
-
贺南南;
张荣国;
王晓;
李建伟;
胡静
-
-
摘要:
针对行人重识别中行人姿态变化和遮挡问题,提出了一种结合注意机制和局部擦除的行人重识别方法。首先,构建由ResNet50为全局分支和注意擦除为局部分支组成的双分支网络。全局分支用来提取全局特征表示,在训练过程中可以监督注意擦除分支的训练。注意擦除局部分支由注意模块和擦除模块组成,该分支将输入特征映射的同一区域随机地分批擦除,以增强局部区域的注意特征学习;其次,在训练阶段采用标签平滑损失函数和三元组损失函数对模型进行联合训练。标签平滑损失函数用于防止分类任务过度拟合,三元组损失函数用于解决类间相似、类内差异的分类问题;最后,在Market-1501,DukeMTMC-reID两个数据集上、和现有的八种方法进行对比测试实验,rank-1/mAP分别达到94.3%/85.9%,87.2%/75.3%,优于其他现有方法。
-
-
-
郑伟诗;
吴岸聪
- 《人工智能领域青年学者研讨会》
| 2017年
-
摘要:
行人重识别是实现跨摄像机场景大范围追踪行人的关键技术,利用该技术可以把行人的碎片化多场景轨迹连接起来.本文首先回顾了行人重识别的发展,列举了目前行人重识别研究的主要难点和挑战.然后进一步介绍了作者所在研究团队针对行人重识别发展的非对称度量学习理论,及基于非对称度量理论和思想所开展的面向开放性行人重识别的非对称行人重识别建模.与现有用于行人重识别的度量学习算法相比,现有算法通常忽略了摄像机特征变化的特性,而非对称度量的优点是可以学习具备建模不同视域特点非一致性能力的特征变换.非对称建模除了应用在一般的行人重识别问题上,还可以应用在跨模态行人重识别、低分辨率行人重识别、基于属性与图像匹配的行人重识别、无监督行人重识别和不完整行人重识别等问题上.最后,本文讨论了行人重识别未来的发展.
-
-
Zhang Hua;
张华
- 《湖北省计算机学会2013年学术年会》
| 2013年
-
摘要:
行人重识别技术是嫌疑目标跨摄像头的完整活动路径分析系统的核心技术,但是在被用于实际应用时面临计算复杂度高和存储开销大等问题.针对这些问题,以视频侦查应用为背景,提出一种基于空间颜色特征的行人重识别方法,建立一种在计算复杂度和性能上较均衡的行人外貌特征描述符,对外貌中直观和重要的颜色特征采用对光照具有不变性的颜色描述符进行描述,一定程度上降低了光照变化对颜色特征稳定性的影响.为了弥补颜色直方图缺少空间信息的缺陷,并提高颜色直方图对光照和姿态变化的鲁棒性,把行人团块按语义分割成躯干和腿两部分,再把每一部分细分成若干子块,然后分别计算颜色描述符,并在计算相似度时引入位置信息.实验结果显示本方法在取得接近最好性能的同时具有低计算复杂度的优点。