本书以行人重识别技术为核心，从深度学习的视角系统地探讨了行人重识别的基础理论、研究动机、关键技术和实际应用。全书共六章，内容涵盖行人重识别基础理论、行人姿态转换技术、基于图像和视频的行人重识别技术以及无监督多源域适应行人重识别技术等。本书详尽分析了当前该领域的研究现状与技术难点，深入探讨了多种具有代表性的经典方法，展望了行人重识别技术在跨视角与跨域、模型轻量化和多任务学习等方面的未来发展趋势，为读者全面了解行人重识别的研究动态和实际应用奠定了坚实基础。
样章试读
目录
- 目录
前言
第1章 行人重识别基础理论 1
1.1 行人重识别定义 1
1.2 研究价值与应用场景 2
1.2.1 安防和刑侦 2
1.2.2 搜寻救援 3
1.2.3 智能居家养老 3
1.2.4 智能商业 4
1.3 常见数据集和评价指标 5
1.3.1 常见数据集 5
1.3.2 评价指标 10
1.4 本章小结 11
参考文献 12
第2章 行人姿态转换技术 13
2.1 行人姿态转换的定义 13
2.2 行人姿态转换与行人重识别的关系 14
2.3 行人姿态转换方法概述 14
2.3.1 评价指标 14
2.3.2 行人姿态转换相关方法 16
2.4 基于分割掩模引导的行人姿态转换方法 21
2.4.1 方法概述 21
2.4.2 网络结构与关键技术 22
2.5 基于语义解析引导的行人姿态转换方法 28
2.5.1 基于语义解析注意力网络的行人姿态转换方法 28
2.5.2 基于语义注射网络的行人姿态转换方法 36
2.6 方法性能分析 45
2.6.1 实验设置 45
2.6.2 性能评估与分析 45
2.7 在行人重识别中的应用 49
2.7.1 数据增强模型 50
2.7.2 实验设置 50
2.7.3 性能评估与分析 51
2.8 本章小结 53
参考文献 53
第3章 基于图像的行人重识别技术 59
3.1 面临的挑战与难点 59
3.1.1 姿态差异 59
3.1.2 空间错位问题 60
3.1.3 遮挡问题 60
3.2 基于图像的行人重识别方法概述 61
3.2.1 基于局部特征提取的行人重识别方法 61
3.2.2 基于注意力网络的行人重识别方法 62
3.2.3 基于姿态估计或语义分割的行人重识别方法 63
3.2.4 基于生成模型的行人重识别方法 64
3.3 基于对抗思想消除姿态差异的行人重识别方法 65
3.3.1 方法概述 66
3.3.2 网络结构与关键性技术 67
3.4 针对空间错位问题的多分支注意力行人重识别方法 72
3.4.1 方法概述 72
3.4.2 网络结构与关键性技术 73
3.5 针对遮挡问题的行人重识别方法 81
3.5.1 基于姿态对齐网络和信息交互的自遮挡行人重识别方法 81
3.5.2 基于语义解析和信息传递网络的遮挡行人重识别方法 90
3.6 多分支姿态估计和语义解析网络的空间错位和遮挡行人重识别方法 95
3.6.1 方法概述 95
3.6.2 网络结构与关键性技术 96
3.7 方法性能分析 102
3.7.1 实验设置 102
3.7.2 性能评估与分析 103
3.8 本章小结 108
参考文献 108
第4章 基于视频的行人重识别技术 115
4.1 面临的挑战与难点 115
4.2 基于视频的行人重识别方法概述 116
4.2.1 视频行人表征学习研究及发展现状 116
4.2.2 基于异常帧的视频行人重识别方法 118
4.3 基于时空注意力融合的视频行人重识别方法 120
4.3.1 方法概述 121
4.3.2 网络结构与关键技术 121
4.4 基于运动注意力与远程时间聚合的视频行人重识别方法 127
4.4.1 方法概述 127
4.4.2 网络结构与关键技术 127
4.5 基于图卷积与图自适应池化的视频行人重识别方法 132
4.5.1 方法概述 133
4.5.2 网络结构与关键技术 133
4.6 方法性能分析 139
4.6.1 实验设置 139
4.6.2 性能评估与分析 139
4.7 本章小结 141
参考文献 141
第5章 无监督多源域适应行人重识别技术 146
5.1 面临的挑战与难点 146
5.1.1 多源域间的分布差异问题 146
5.1.2 伪标签中的噪声问题 147
5.1.3 计算成本的高昂问题 148
5.2 无监督行人重识别方法概述 149
5.3 基于多源域特征融合的行人重识别方法 152
5.3.1 方法概述 152
5.3.2 网络结构与关键技术 153
5.4 基于耐噪学习的行人重识别方法 157
5.4.1 方法概述 158
5.4.2 网络结构与关键技术 158
5.5 基于混合架构与剪枝的模型轻量化行人重识别方法 163
5.5.1 方法概述 163
5.5.2 网络结构与关键技术 164
5.6 方法性能分析 170
5.6.1 实验设置 170
5.6.2 性能评估与分析 170
5.7 本章小结 172
参考文献 173
第6章 未来发展与探索 176
6.1 未来发展趋势 176
6.1.1 方法优化与性能提升 176
6.1.2 多模态融合 177
6.1.3 边缘计算与云计算 178
6.1.4 隐私保护与安全性 178
6.2 未来研究方向 179
6.2.1 空间错位与遮挡 179
6.2.2 跨视角与跨域识别 180
6.2.3 隐私保护与数据安全 181
6.2.4 轻量化与嵌入式应用 182
6.2.5 多任务学习与场景理解 183
京公网安备 11010102004214号