融合生成对抗网络和姿态估计的视频行人再识别方法

随着国家对社会公共安全的日益重视,无重叠视域监控系统已大规模的普及.行人再识别任务通过匹配不同视域摄像机下的行人目标,在当今环境下显得尤为重要.由于深度学习依赖大数据解决过拟合的特性,针对当前视频行人再识别数据量较小和学习特征单一的问题,我们提出了一种基于视频的改进行人再识别方法,该方法通过生成对抗网络去生成视频帧序列来增加样本数量和加入了行人关节点的特征信息去提升模型效率.实验结果表明,本文提出的改进方法可以有效地提高公开数据集的识别率,在PRID2011,iLIDS-VID数据集上进行实验,Rank 1分别达到了80.2％和66.3％....

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 46; no. 3; pp. 576 - 584
Main Authors 刘一敏, 蒋建国, 齐美彬, 刘皓, 周华捷
Format Journal Article
LanguageChinese
Published 合肥工业大学计算机与信息学院 合肥230009%合肥工业大学计算机与信息学院 合肥230009 01.03.2020
工业安全与应急技术安徽省重点实验室 合肥230009%腾讯优图实验室 合肥230009
Subjects
生成对抗网络
行人再识别
深度学习
人体姿态估计
Online AccessGet full text
ISSN0254-4156
DOI10.16383/j.aas.c180054

Cover

More Information
Summary:随着国家对社会公共安全的日益重视,无重叠视域监控系统已大规模的普及.行人再识别任务通过匹配不同视域摄像机下的行人目标,在当今环境下显得尤为重要.由于深度学习依赖大数据解决过拟合的特性,针对当前视频行人再识别数据量较小和学习特征单一的问题,我们提出了一种基于视频的改进行人再识别方法,该方法通过生成对抗网络去生成视频帧序列来增加样本数量和加入了行人关节点的特征信息去提升模型效率.实验结果表明,本文提出的改进方法可以有效地提高公开数据集的识别率,在PRID2011,iLIDS-VID数据集上进行实验,Rank 1分别达到了80.2％和66.3％.
ISSN:0254-4156
DOI:10.16383/j.aas.c180054