版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、行人重現(xiàn)檢測是監(jiān)控視頻分析和識別過程中的一個十分重要的研究點,在多個領(lǐng)域,如智能監(jiān)控、交互式游戲方面都有非常大的價值。經(jīng)過研究者們不懈的努力,行人重現(xiàn)檢測的性能有了明顯的提升,使其在真實的監(jiān)控場景中有所建樹。由于人體姿態(tài)多樣性、復(fù)雜多變的背景、光照變化和攝像機視角變化等因素的存在,人體的外觀通常發(fā)生巨大的變化,為行人重現(xiàn)檢測帶來了巨大的挑戰(zhàn)。
本文圍繞行人重現(xiàn)檢測中的問題和難點,研究了如何在無監(jiān)督的條件下“基于行人部件分析提取
2、高斯局部描述子”以及在海量數(shù)據(jù)中如何進行“面向行人重現(xiàn)檢測的物體與屬性檢測”。具體的,本論文的主要貢獻有以下兩點:
針對行人重現(xiàn)檢測中的特征匹配與提取,本文提出一種基于行人部件分析的高斯局部描述方法(GaLF)。通過行人部件分析與色彩校正,對圖片中每一部分提取局部高斯特征。通過度量每一部分間的高斯的距離,得到基于人體多部件的度量結(jié)果,即兩樣本間的相似性。實驗表明,本文提出的基于行人部件分析的高斯局部描述方法有效的利用了人體部件
3、信息并提取了魯棒的顏色、紋理及空間信息,在多個行人數(shù)據(jù)集上取得了性能的提升。
本文提出了一種面向行人重現(xiàn)檢測的物體與屬性檢測系統(tǒng)。本系統(tǒng)通過半監(jiān)督方法篩選大量網(wǎng)絡(luò)數(shù)據(jù)。利用深度神經(jīng)網(wǎng)絡(luò)模型對網(wǎng)絡(luò)數(shù)據(jù)進行標注,擴充帶標注的數(shù)據(jù)集。通過擴充過的數(shù)據(jù)集重新訓(xùn)練系統(tǒng)中的深度神經(jīng)網(wǎng)絡(luò)模型,以提升其準確率。最終系統(tǒng)可準確提取用于行人重現(xiàn)檢測的高階行人語義特征。該系統(tǒng)可以在線不間斷運轉(zhuǎn),并且結(jié)合了無限圖片學(xué)習(xí)系統(tǒng)與深度學(xué)習(xí)網(wǎng)絡(luò),優(yōu)勢互補。無
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 行人檢測技術(shù)研究.pdf
- 行人檢測與跟蹤方法研究.pdf
- 基于DPM的行人檢測和行人特征提取算法研究.pdf
- 基于視頻的行人檢測方法研究.pdf
- 基于協(xié)同訓(xùn)練的行人檢測研究.pdf
- 有效特征點的行人檢測研究.pdf
- 道路行人特征視覺檢測方法研究.pdf
- 行人安全狀態(tài)檢測系統(tǒng)研究.pdf
- 行人檢測與跟蹤技術(shù)研究.pdf
- 行人視頻檢測與跟蹤方法研究.pdf
- 行人目標檢測和跟蹤算法研究.pdf
- 基于視頻的行人檢測研究
- 融合行人檢測器和顏色模型的行人跟蹤算法研究.pdf
- 混合交通中行人檢測方法研究.pdf
- 低維度特征的行人檢測研究.pdf
- 面向道路安全的行人檢測研究.pdf
- 基于圖像的行人檢測方法研究.pdf
- 視頻監(jiān)控中行人檢測方法研究.pdf
- 運動行人檢測與跟蹤方法研究.pdf
- 基于特征融合的行人檢測研究.pdf
評論
0/150
提交評論