基于时空约束的行人重识别方法研究开题报告

全文总字数：4924字

1. 研究目的与意义（文献综述）

行人重识别是当前智能视频分析领域的热点问题，得到了学术界的广泛重视。行人重识别指在非重叠拍摄区域多摄像头网络下进行的行人匹配，即确认摄像头在不同时刻拍摄到的行人是否为同一人。

在监控视频中，由于相机分辨率和拍摄角度的缘故，通常无法得到高质量的人脸照片，因此人脸识别技术无法应用于解决行人重识别问题。同时模糊的视频或者照片也对侦破等活动造成了阻碍。因此，行人重识别就成为了一项完善公共安全系统、协助侦破等活动非常重要的技术手段。由于智能监控系统在国防建设、人民日常生活中拥有着巨大的应用前景，以及其所涉及的领域广泛性、研究的巨大挑战性，因此国内外很多研究者对该研究方向越来越重视，行人重识别现在已经成为了计算机视觉的一个热点问题。

当前在行人重识别领域可将研究对象分为基于图像的行人重识别和基于视频的行人重识别两类，并且这两类都分别从特征描述、度量学习和数据库三个方面进行研究。

2. 研究的基本内容与方案

研究的基本内容：

研究的基本内容是复现当前行人重识别技术的四个研究方向上近几年的优秀成果。四个研究方向主要是基于表征学习、局部特征、度量学习以及视频序列的方法。

基于表征学习的方法在行人重识别研究中比较常用，卷积神经网络的快速发展进一步提升了表征学习的效率；基于局部特征的方法不同于表征学习的方法，后者是用整图得到一个特征向量，前者则是提取局部特征的思路，其手段主要有图像切块、利用骨架关键点定位以及姿态矫正等；基于度量学习的方法基于度量学习的方法是广泛用于图像检索利于的一种方法，不同于表征学习，度量学习通过网络学习出两张图片的相似度；通常单帧图像的信息是有限的，因此有很多工作集中在利用视频序列来进行行人重识别方法的研究。

3. 研究计划与安排

2月29日-3月6日：复现y lin等论文[3]的表征学习方法

3月7日-3月13日：复现l wei等论文[14]的局部全局结合的方法

3月14日-3月20日：复现w chen等论文[9]的四元组损失度量学习的方法

4. 参考文献（12篇以上）

[1] 宋婉茹, 赵晴晴, 陈昌红, et al. 行人重识别研究综述[j]. 智能系统学报, 2017, 12(06):770-780.

[2] 罗浩.基于深度学习的行人重识别研究综述https://www.leiphone.com/news/201712/4mvj2nbixcn5bqzi.html,https://www.leiphone.com/news/201712/jdvuo1bwairkpsyx.html, 2017.12.20.